PyTorch-Image-Models中特征提取网络加载预训练权重的正确方式

在深度学习领域，预训练模型的使用已成为计算机视觉任务中的标准实践。PyTorch-Image-Models（简称timm）作为一个强大的图像模型库，提供了丰富的预训练模型和灵活的接口。本文将深入探讨在该库中如何正确地为特征提取网络加载预训练权重。

问题背景

当使用timm库创建特征提取网络时，开发者可能会遇到权重加载失败的问题。这通常发生在两种场景下：

1. 直接通过checkpoint_path参数加载权重时，由于模型被FeatureGetterNet类包装，导致权重键名不匹配（原始键名前需要添加model.前缀）
2. 先创建模型再加载权重时，某些网络结构（如Vision Transformer）会修剪部分层，导致state_dict中存在多余键

解决方案

timm库提供了两种主要的权重加载方式，适用于不同场景：

1. 使用pretrained参数加载

推荐在创建模型时就指定预训练权重，这种方式会在模型结构修改前完成权重加载：

model = timm.create_model(
    model_name="vit_small_patch16_224",
    num_classes=0,
    pretrained=True,  # 使用内置预训练权重
    features_only=True,
)

2. 使用pretrained_cfg覆盖配置

对于自定义权重文件，可以通过pretrained_cfg参数覆盖默认配置：

backbone = timm.create_model(
    model_name="vit_small_patch16_224",
    num_classes=0,
    features_only=True,
    pretrained_cfg_overlay=dict(
        file="path/to/custom_weights.pth",
        num_classes=0,
    ),
)

这种方式特别适合以下场景：

• 使用本地自定义权重文件
• 需要从非官方源下载权重
• 使用Hugging Face Hub上的模型权重

技术细节

理解这些解决方案背后的原理很重要：

1. 权重加载时机：pretrained参数会在模型结构修改前加载权重，避免了后续包装导致的键名不匹配问题

2. 配置覆盖机制：pretrained_cfg_overlay允许临时修改模型的预训练配置，提供了极大的灵活性

3. 特征提取网络：当设置features_only=True时，timm会使用FeatureGetterNet包装原始模型，这改变了模型结构但保留了特征提取能力

最佳实践

基于项目经验，建议遵循以下实践：

1. 优先使用pretrained参数加载官方支持的预训练权重
2. 对于自定义权重，使用pretrained_cfg_overlay而非直接修改state_dict
3. 注意Vision Transformer等特殊结构的层修剪行为
4. 在特征提取场景下，设置num_classes=0可以避免不必要的分类层

通过理解这些原理和实践，开发者可以更高效地在PyTorch-Image-Models中使用预训练模型进行特征提取任务。