Question

最近我一直在进行足迹图像分类项目。我刚刚从pytorch网站（here）的官方文档中阅读了迁移学习教程。所有的足迹图像都是这样的： footprint image

该数据集包含20个人的足迹图像，每个人都有10个人的足迹图像。 我尝试了前面提到的教程中的脚本。而且我只更改了将数据转换成这样的部分：

data_transforms = {
‘train’: transforms.Compose([
#transforms.RandomResizedCrop(224),
transforms.Resize(256),
transforms.CenterCrop(224),
transforms.RandomHorizontalFlip(),
#transforms.RandomVerticalFlip(),
transforms.RandomRotation(degrees=15),
transforms.RandomRotation(degrees=30),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
]),
‘val’: transforms.Compose([
transforms.Resize(256),
transforms.CenterCrop(224),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
]),
}

因此，这是困扰我很多时间的结果。当我从官方教程中使用它时：

model_ft = models.resnet50(pretrained=True)
num_ftrs = model_ft.fc.in_features
model_ft.fc = nn.Linear(num_ftrs, 20)

我只能获得大约60％的acc。但是当我没有像这样更改fc层时：

model_ft = se_resnet50(pretrained = True)

我什至可以使acc的结果达到97.5％。这是我的问题： 1.当我更改fc层时，这意味着它只能输出20个概率（因为我有20个人的数据集）。但是，为什么更改fc层会得到更差的结果呢？

2。我一直在考虑使用SEnet（se-resnet50 here）来改善结果（从97.5％改善）。但是我得到的acc大约是80％，比resnet50差。怎么会更糟？

3。如果我想改善自己的成绩（从97.5％起），我该怎么做？

先谢谢了。我将不胜感激。

关于在pytorch中使用resnet50进行转移学习

0 个答案: