torchvision怎么使用预训练模型？

Torchvision提供了一些预先训练好的模型，可以直接使用。下面以ResNet-18为例，介绍如何使用预训练模型：

import torch
import torchvision

# 加载预训练模型
model = torchvision.models.resnet18(pretrained=True)

# 将模型设置为评估模式
model.eval()

# 随机生成一张图片
input_image = torch.rand(1, 3, 224, 224)

# 使用模型进行预测
output = model(input_image)

print(output)

首先，我们导入了PyTorch和Torchvision库。然后，我们使用`torchvision.models.resnet18`函数加载了预训练模型。这个函数返回一个模型实例，我们可以对它进行微调或使用它进行预测。

接下来，我们将模型设置为评估模式，这会关闭一些训练中使用的技巧，例如Dropout和Batch Normalization。这样可以确保模型在预测时的输出稳定。

然后，我们随机生成了一张图片作为输入。这里的图片是一个4D张量，包含了一个batch中的所有图片。我们只生成了一张图片，所以第一个维度的大小为1。

最后，我们使用模型进行预测，并打印了输出。注意，输出是一个2D张量，包含了每个类别的分数。可以使用`torch.nn.functional.softmax`函数将它们转换为概率。