Question

上下文：我正在尝试修改this Facebook's ResNet feature extractor script以对图像进行分类并打印ImageNet类标签。假设我有火炬模型：

local model = torch.load('resnet-101.t7')
local output = model:forward(img:cuda()):squeeze(1)

这给了我每节课的分数。我想获得前5个班级及其概率。我认为要将分数转换为概率，我应首先使用SoftMax层。

所以我这样做：

local model = torch.load('resnet-101.t7')
local softMaxLayer = cudnn.LogSoftMax()
model:add(softMaxLayer)
local output = model:forward(img:cuda()):squeeze(1)

但是当我跑步时，我得到了：

/SpatialSoftMax.lua:38：错误的参数＃1到'resizeAs' （火炬.DoubleTensor预计，得到了火炬.CudaTensor）

该模型对我来说很好看:(仅显示最后一层）

  ...
  (9): cudnn.SpatialAveragePooling(7,7,1,1)
  (10): nn.View(2048)
  (11): nn.Linear(2048 -> 1000)
  (12): cudnn.LogSoftMax
}

关于可能出错的任何想法？

Answer 1

图层具有与之关联的类型。默认情况下，您将获得双重类型

local softMaxLayer = cudnn.LogSoftMax():cuda()
model:add(softMaxLayer)

在Torch中将Softmax添加到ResNet模型

1 个答案: