restnet50代码pytorch

以下是一个简单的ResNet50代码示例，使用PyTorch框架：

import torch
import torch.nn as nn
import torch.optim as optim
import torchvision.models as models

# 加载预训练的ResNet50模型
resnet50 = models.resnet50(pretrained=True)

# 替换最后一层全连接层
num_ftrs = resnet50.fc.in_features
resnet50.fc = nn.Linear(num_ftrs, 10)  # 假设我们有10个类别

# 定义损失函数和优化器
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(resnet50.parameters(), lr=.001, momentum=.9)

# 训练模型
for epoch in range(10):
    running_loss = .
    for i, data in enumerate(trainloader, ):
        inputs, labels = data

        optimizer.zero_grad()

        outputs = resnet50(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        running_loss += loss.item()
        if i % 200 == 1999:
            print('[%d, %5d] loss: %.3f' %
                  (epoch + 1, i + 1, running_loss / 200))
            running_loss = .

print('Finished Training')

这个代码示例加载了预训练的ResNet50模型，并将其用于一个分类任务。我们替换了最后一层全连接层，以适应我们的数据集。然后，我们定义了损失函数和优化器，并使用训练数据训练模型。在每个epoch结束时，我们输出训练损失。