使用Resnet50预训练模型调整了输出类别数后，权重形状不一致如何解决

Question

使用飞桨的resnest50模型时：
model = paddle.vision.models.resnet50(pretrained=True, num_classes=12)

出现错误

fc.weight receives a shape [2048, 1000], but the expected shape is [2048, 12]，

模型输出更新为12时框架内核没有自动将预训练模型输出层权重形状1000转变为12

查了一下API对num_classes=修改，是否会自动初始化最后的全连接层权重没有说明？

如果想删除最后全连接层 num_classes=0，自己增加一个fc，显示RESNET，没有fc属性

Answer 1

该回答引用自GPT-3.5,由博主GIS_Liu编写：

针对你的问题描述，出现错误是因为预训练的ResNet50模型在预期是有1000个输出类别的情况下进行了训练，而你修改了输出类别数为12，导致预训练模型的最后一层全连接层的权重形状与你期望的输出类别数不匹配。

解决这个问题的一种方法是，重新初始化最后一层的权重，使其形状与新的输出类别数匹配。你可以通过以下步骤来实现：

1. 创建一个新的全连接层，形状为 [2048, 12]，以适应你新的输出类别数。
2. 将新创建的全连接层替换掉预训练模型的最后一层全连接层。

以下是代码示例：

import paddle
import paddle.vision.models as models

# 加载预训练的ResNet50模型
pretrained_resnet50 = models.resnet50(pretrained=True)

# 创建新的全连接层，形状为 [2048, 12]
new_fc = paddle.nn.Linear(in_features=2048, out_features=12)

# 将新创建的全连接层替换掉预训练模型的最后一层全连接层
pretrained_resnet50.fc = new_fc

# 现在你可以使用修改后的模型进行训练或推理了

这样，你就可以使用修改后输出类别数的ResNet50模型了。

如果该回答解决了您的问题，请采纳！如果没有，请详述问题所在！