pytorch学习（二） torchvision.models
torchvision.models包含解决不同任务的模型定义，包括：图像分类、像素语义分割、物体检测、实例分割、人物关键点检测、视频分类和光流。
1、关于预训练权重的一般信息
TorchVision使用PyTorch torch.hub为每个提供的架构提供预训练的权重。实例化预训练的模型将下载其权重到缓存目录中。这个目录可以使用TORCH_HOME环境变量来设置。
2、初始化预训练的模型
从0.13版开始，TorchVision提供了一个新的多重量支持API，用于加载不同的重量到现有的模型生成器方法。
通过weights选择不同的模型，有不同的精确度。
from torchvision.models import resnet50, ResNet50_Weights
# Old weights with accuracy 76.130%
resnet50(weights=ResNet50_Weights.IMAGENET1K_V1)
# New weights with accuracy 80.858%
resnet50(weights=ResNet50_Weights.IMAGENET1K_V2)
# No weights - random initialization
resnet50(weights=None)3、使用预训练模型
在使用预训练的模型之前，必须对图像进行预处理（用正确的分辨率/插值调整大小，应用推理变换，重新调整数值等）。没有标准的方法可以做到这一点，因为这取决于一个特定的模型是如何训练的。它可以在不同的模型系列、变体或甚至权重版本中有所不同。使用正确的预处理方法是至关重要的，如果不这样做，可能会导致精度下降或输出不正确。
每个预训练模型的推理变换的所有必要信息都在其权重文档中提供。为了简化推理，TorchVision将必要的预处理变换捆绑到每个模型权重中。这些可以通过weight.transforms属性访问。
# Initialize the Weight Transforms
weights = ResNet50_Weights.DEFAULT
preprocess = weights.transforms()
# Apply it to the input image
img_transformed = preprocess(img)一些模型使用的模块有不同的训练和评估行为，比如BN。要在这些模式之间切换，请根据情况使用model.train()或model.eval()。详情见train()或eval()。
# Initialize model
weights = ResNet50_Weights.DEFAULT
model = resnet50(weights=weights)
# Set model to eval mode
model.eval()4、模型注册机制
TorchVision提供了一个新的模型注册机制，它允许通过模型和权重的名称来重构模型。
# List available models
all_models = list_models()
classification_models = list_models(module=torchvision.models)
# Initialize models
m1 = get_model("mobilenet_v3_large", weights=None)
m2 = get_model("quantized_mobilenet_v3_large", weights="DEFAULT")
# Fetch weights
weights = get_weight("MobileNet_V3_Large_QuantizedWeights.DEFAULT")
assert weights == MobileNet_V3_Large_QuantizedWeights.DEFAULT
weights_enum = get_model_weights("quantized_mobilenet_v3_large")
assert weights_enum == MobileNet_V3_Large_QuantizedWeights
weights_enum2 = get_model_weights(torchvision.models.quantization.mobilenet_v3_large)
assert weights_enum == weights_enum2一些公用方法 。
#获取模型名称和配置，并返回一个实例化的模型。
get_model(name, **config)
5、使用来自hub的模型
大多数预训练的模型可以直接通过PyTorch Hub访问，而无需安装TorchVision。
import torch
# Option 1: passing weights param as string
model = torch.hub.load("pytorch/vision", "resnet50", weights="IMAGENET1K_V2")
# Option 2: passing weights param as enum
weights = torch.hub.load("pytorch/vision", "get_weight", weights="ResNet50_Weights.IMAGENET1K_V2")
model = torch.hub.load("pytorch/vision", "resnet50", weights=weights)6、分类网络
AlexNet
ConvNeXt
DenseNet
EfficientNet
EfficientNetV2
GoogLeNet
Inception V3
MaxVit
MNASNet
MobileNet V2
MobileNet V3
RegNet
ResNet
ResNeXt
ShuffleNet V2
SqueezeNet
SwinTransformer
VGG
VisionTransformer
Wide ResNet
一个使用模型的例子：
from torchvision.io import read_image
from torchvision.models import resnet50, ResNet50_Weights
img = read_image("test/assets/encode_jpeg/grace_hopper_517x606.jpg")
# Step 1: Initialize model with the best available weights
weights = ResNet50_Weights.DEFAULT
model = resnet50(weights=weights)
model.eval()
# Step 2: Initialize the inference transforms
preprocess = weights.transforms()
# Step 3: Apply inference preprocessing transforms
batch = preprocess(img).unsqueeze(0)
# Step 4: Use the model and print the predicted category
prediction = model(batch).squeeze(0).softmax(0)
class_id = prediction.argmax().item()
score = prediction[class_id].item()
category_name = weights.meta["categories"][class_id]
print(f"{category_name}: {100 * score:.1f}%")目前对于这个的理解还比较浅，以后应用多了会再来完善。