pytorch 预训练模型

PyTorch提供了许多预训练的模型，可以用来进行各种任务，如图像分类、目标检测、语义分割等。这些预训练模型可以通过使用`torchvision.models`模块来加载。

要使用预训练的模型，首先需要安装PyTorch和torchvision库。然后，可以使用以下代码加载和使用预训练模型：

import torch
import torchvision.models as models

# 加载预训练模型
model = models.resnet50(pretrained=True)

# 将模型设置为评估模式
model.eval()

# 输入数据
input = torch.randn(1, 3, 224, 224)  # 假设输入大小为224x224

# 前向传播
output = model(input)

print(output)

在上述示例中，我们加载了一个预训练的ResNet-50模型，并将其设置为评估模式。然后，我们生成一个随机输入张量，并将其传递给模型进行前向传播。最后，输出是模型对输入的预测结果。

可以根据需要选择其他预训练模型，比如`resnet18`、`alexnet`等。还可以根据具体任务对模型进行微调或修改。