【无需VIP】一键加载 PyTorch 预训练模型:ResNet18 与 ResNet50 官方权重仓库

原创2026-11-12 15:54:032,260 阅读

【无需VIP】一键加载 PyTorch 预训练模型:ResNet18 与 ResNet50 官方权重仓库

PyTorchResNet18和ResNet50官方预训练模型是一个 PyTorch 预训练模型资源仓库,把 ResNet18 和 ResNet50 两个官方权重文件打包,支持一次性下载。权重基于 ImageNet 预训练,拿到即可直接加载做推理,也可以在此基础上微调自己的图像分类任务。

ResNet 权重一键下载:仓库里有什么 📦

两个 .pth 权重文件被打进同一个 zip 包,不用到处找资源链接,下载解压即可用:

文件名 对应模型 用途说明
resnet18-5c106cde.pth ResNet18 轻量版,约 45MB,训练和推理速度快,适合资源受限场景与快速验证
resnet50-19c8e357.pth ResNet50 更深版本,约 98MB,精度更高,适合对分类质量要求更高的任务
pytorch-resnet18和resnet50官方预训练模型.zip 以上两个权重 打包下载文件,解压后得到两个 .pth 文件

三步加载 ResNet18 权重

1. 下载仓库

这一步的目的是把权重文件拿到本地:克隆仓库后解压 zip,即可得到两个 .pth 文件。

git clone https://gitcode.com/open-source-toolkit/976b3
unzip "pytorch-resnet18和resnet50官方预训练模型.zip"

2. 加载权重

这一步的目的是把 .pth 文件装进对应的模型结构,让模型立刻具备推理能力:

import torch
import torchvision.models as models

resnet18 = models.resnet18(pretrained=False)
resnet18.load_state_dict(torch.load('resnet18-5c106cde.pth'))

加载 ResNet50 时,把模型换成 models.resnet50()、权重换成 resnet50-19c8e357.pth 即可。

3. 推理或微调

这一步的目的是把加载好的模型用起来——既可以直接前向推理,也可以作为微调的起点:

model = resnet18.eval()
with torch.no_grad():
    output = model(transformed_image)  # 传入预处理后的图像张量

如果任务类别或数据域与 ImageNet 不同,可以冻结主干网络,把最后的分类层替换成自己的类别数,再做模型微调。

ImageNet 预训练权重适合什么场景 ⚠️

  • 能直接用的:ImageNet 是 1000 类自然图像分类,这两套权重可直接支撑通用物体识别、图像分类,也能作为检测、分割任务的骨干网络。
  • 不能直接用的:业务数据里出现 ImageNet 没有的类别(如医学影像、工业缺陷件)时,直接推理得不到想要的输出。
  • 需要微调的情况:类别数不一致、图像领域不同、或精度不达标时,替换或扩充分类头,再用自己的数据训练一轮。

其他信息

  • 有建议或问题可提交 Issue,有改进可提交 Pull Request。
  • 许可证:模型权重遵循 PyTorch 官方许可证,仓库本身采用 MIT License。

加载权重、跑通一次前向推理,你就有了在自己数据上开启图像分类实验的完整起点。

登录后查看全文
PyTorchResNet18和ResNet50官方预训练模型