### PyTorch深度学习常用预训练模型下载地址 PyTorch 提供了一系列常用的预训练模型，这些模型可以用于迁移学习或其他任务。通过 `torchvision.models` 模块可以直接访问并加载这些模型及其对应的预训练权重[^2]。 #### 常见的预训练模型列表 以下是部分常见的预训练模型及其功能描述： 1. **经典分类模型** - VGG 系列：如 `vgg16`, `vgg19`。 - ResNet 系列：如 `resnet18`, `resnet50`, `resnet101`。 - DenseNet 系列：如 `densenet121`, `densenet161`。 - MobileNet 系列：如 `mobilenet_v2`, `mobilenet_v3_small`。 - Inception v3 (`inception_v3`)：适用于更高分辨率输入图像的任务[^3]。 2. **语义分割模型** - FCN (Fully Convolutional Networks)：如 `fcn_resnet50`, `fcn_resnet101`。 - DeepLabV3：如 `deeplabv3_resnet50`, `deeplabv3_resnet101`。 3. **目标检测模型** - Faster R-CNN：如 `fasterrcnn_resnet50_fpn`。 - Mask R-CNN：如 `maskrcnn_resnet50_fpn`。 上述模型均可以在官方文档中找到详细的说明和使用方法。 #### 如何获取预训练模型的下载地址？ 当调用带有 `pretrained=True` 参数的方法时，PyTorch 会自动从其服务器上下载相应的预训练权重文件。如果遇到下载速度过慢的情况，可以根据以下方式手动获取下载链接[^4]。 - 对于特定模型（如 `inception_v3`），可以从官方存储库中直接查询到对应 `.pth` 文件的 URL 地址。例如： ```plaintext https://download.pytorch.org/models/inception_v3_google-1a9a5a14.pth ``` - 如果需要其他模型的下载地址，可以通过查看源码中的 `_model_urls` 字典来定位具体的路径。例如，在 `torchvision/models/resnet.py` 中可以看到如下定义： ```python model_urls = { 'resnet18': 'https://download.pytorch.org/models/resnet18-f37072fd.pth', 'resnet50': 'https://download.pytorch.org/models/resnet50-11ad3fa6.pth' } ``` #### 手动下载与加载预训练权重 为了提高效率或在网络受限的情况下，可以选择先手动下载所需的 `.pth` 文件，再将其放置在本地缓存目录中。默认情况下，PyTorch 的缓存位置为 `$HOME/.cache/torch/hub/checkpoints/`。例如： ```bash mkdir -p ~/.cache/torch/hub/checkpoints/ wget https://download.pytorch.org/models/resnet50-11ad3fa6.pth -O ~/.cache/torch/hub/checkpoints/resnet50-11ad3fa6.pth ``` 之后运行代码加载模型时，无需再次联网下载权重文件。 ```python import torchvision.models as models # 加载带预训练权重的模型 model = models.resnet50(pretrained=False) model.load_state_dict(torch.load("~/.cache/torch/hub/checkpoints/resnet50-11ad3fa6.pth")) ``` ---