pytorch预训练模型怎么获取

在PyTorch中获取预训练模型有多种方法，以下是一些常用的途径：

使用PyTorch内置的预训练模型

PyTorch的torchvision.models模块提供了多种预训练模型，这些模型已经在大型数据集（如ImageNet）上进行了训练，可以直接使用。例如，要加载一个预训练的ResNet-50模型，可以使用以下代码：

import torchvision.models as models

model = models.resnet50(pretrained=True)

在这个代码中，pretrained=True参数指示PyTorch下载并加载预训练权重。一旦加载，你就可以直接使用这个模型进行预测，或者在特定数据集上进行微调。

使用PyTorch Hub

PyTorch Hub是一个存储和共享预训练模型、预处理代码和数据集的仓库。你可以通过PyTorch Hub轻松地访问和使用这些资源。例如，要使用预训练的ResNet-18模型，可以这样做：

import torch
import torchvision.models as models

model = models.resnet18(pretrained=True)

PyTorch Hub还允许你通过指定GitHub存储库的名称和分支来加载模型，提供了更多的灵活性和自定义选项。

通过上述方法，你可以轻松地获取和使用PyTorch的预训练模型，无论是通过PyTorch内置的模型库还是通过PyTorch Hub。