pytorch-cnn-finetune

收录理由

在PyTorch里训练图像分类模型，通常每换一个网络结构就要重写一遍迁移学习的样板代码。这个库把这类工作收敛成一个make_model()调用：它封装了几十种预训练骨干网络，包括ResNet、DenseNet、VGG、Inception、Xception、SENet、NASNet等，并自动替换成适配你自定义类别数的分类头。它还允许输入任意分辨率的图像，不必局限于ImageNet预训练时的尺寸，这对带全连接层的VGG和AlexNet尤其有用。对于在ImageNet权重基础上构建定制视觉分类器的团队，这个库能省下不少时间；它暴露的预处理元数据（均值、标准差、输入尺寸）也让训练和推理的预处理保持一致变得容易。需要留意的是，项目本身稳定但维护频率不高，更适合当作一个便利工具，而不是指望它频繁更新迭代的底层依赖。