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?
答案 0 :(得分:2)
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)