PyTorch 加载预训练权重：简单指南

要加载预训练的权重，你可以使用torchvision.models模块中提供的模型，并设置pretrained=True参数。这将自动下载并加载与相应模型预训练的权重。以下是加载预训练权重的基本示例：

import torch
import torchvision.models as models

# 加载预训练的ResNet-50模型
model = models.resnet50(pretrained=True)

在上述示例中，我们使用resnet50函数从torchvision.models模块中加载了预训练的ResNet-50模型，通过设置pretrained=True参数来加载预训练权重。

当你加载预训练权重时，模型的权重会自动下载并存储在~/.cache/torch/hub/checkpoints/目录中，以便以后重复使用。

如果你想使用其他预定义模型，只需将resnet50替换为所需的模型，如resnet18、vgg16或其他模型。

注意，当你加载预训练权重时，模型的输出类别数是默认设置的，通常是对应于预训练模型所使用的数据集类别数。如果你需要将模型适应到其他任务的类别数上，你需要更改模型的最后一层全连接层，以适应新的输出类别数。