detectron2 读取pth预训练模型

要在Detectron2中加载一个预训练的PyTorch模型，可以使用`Detectron2 Checkpointer`类。该类提供了一个方便的方法来加载预训练模型的权重，并将它们复制到Detectron2的模型中。

以下是一个简单的例子，展示了如何加载一个预训练的ResNet-50模型并在Detectron2中使用它：

import torch
import detectron2.utils.checkpoint as checkpoint

# 创建一个ResNet-50模型
model = torch.nn.Sequential(
    torch.nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3, bias=False),
    torch.nn.BatchNorm2d(64),
    torch.nn.ReLU(inplace=True),
    # ... 添加更多的卷积层和全连接层 ...
)

# 从.pth文件中加载预训练模型的权重
checkpoint_file = "path/to/pretrained_resnet50.pth"
checkpoint = torch.load(checkpoint_file)
model.load_state_dict(checkpoint["model_state_dict"])

# 将模型添加到Detectron2的模型中
from detectron2.modeling import build_model
cfg = ... # 构建你的Detectron2配置文件
model = build_model(cfg)
model.backbone.bottom_up = model

在这个例子中，我们首先定义了一个ResNet-50模型。然后，我们使用`torch.load`函数从.pth文件中加载了预训练模型的权重。最后，我们将模型添加到Detectron2的模型中，并将其设置为backbone.bottom_up。这使得Detectron2可以使用预训练模型的权重来初始化其backbone网络。