Deep-Learning-with-PyTorch-2.1.3

2.1.3 ResNet

为此，让我们回到模型模块。 我们了解到大写名称对应于实现计算机视觉通用架构的类。 另一方面，小写名称是用预定数量的层和单位实例化模型的功能，还可以选择将预训练的权重下载并加载到其中。 请注意，使用这些函数之一并没有必要：它们只是使您可以方便地使用与预训练网络的构建方式匹配的多个层和单元实例化模型。

现在，使用resnet101函数，实例化一个101层卷积神经网络。 换个角度看，在2015年残差网络问世之前，要在如此深度进行稳定的培训是非常困难的。 残差网络提供了使之成为可能的诀窍，并在那年一举击败了多个基准。

现在创建一个网络实例。 我们将传递一个参数，该参数将构造函数以下载在ImageNet数据集上训练的resnet101的权重，其中包含120万张图像和1,000种类别：

# In[4]:
resnet = models.resnet101(pretrained=True)

当我们盯着下载进度时，我们可以花一点时间欣赏一下resnet101的4450万个参数，其中有许多参数可以自动优化！