PyTorch快速入门教程【小土堆】-神经网络-现有网络模型的使用与修改

1.VGG16

（1）参数：

VGG 16层模型用于大规模图像识别的深度卷积网络”。 该模型要求的最小输入尺寸为32x32。  

torchvision.models.vgg16(pretrained:  = False, progress: bool = True, **kwargs: Any) → torchvision.models.vgg.VGG

• pretrained (bool) – If True, returns a model pre-trained on ImageNet 如果为true，下载的网络模型的一些参数在数据集ImageNet中已经是训练好的，在ImageNet中能取的不错的效果，如果为false的话，就是初始化的参数，没有在任何数据集上进行训练

• progress (bool) – If True, displays a progress bar of the download to stderr 如果为true的话显示下载进度条，为false的话就不显示

（2） 如何让利用现有的网络改动结构

 

 

例：将vgg16应用到CIFAR10数据集中去

train_data=torchvision.datasets.CIFAR10("dataset",train=True,transform=torchvision.transforms.ToTensor(),download=True)

方法1.在后面加一层，让其输出10个分类
vgg16_true.add_module('add_linear',nn.Linear(1000,10))
print(vgg16_true)
方法2.将模型加到classifier里
vgg16_true.classifier.add_module('add_linear',nn.Linear(1000,10))
print(vgg16_true)

 

 

方法3.直接将模型中的最后一个输出分类1000改为10
print(vgg16_flase)
vgg16_flase.classifier[6]=nn.Linear(4096,10)#修改第六层线性层
print(vgg16_flase)

 2.代码示例

import torchvision.datasets

# train_data=torchvision.datasets.ImageNet("data_image_net",split='train',download=True,transform=torchvision.transforms.ToTensor())
#vgg16网络模型输出是1000个分类
#false 时，加载网络模型，参数是默认参数，不需要下载，相当于之前自己写的模型
from torch import nn

vgg16_flase=torchvision.models.vgg16(pretrained=False)
#true，需要下载，参数已经在image_net中训练好了
vgg16_true=torchvision.models.vgg16(pretrained=True)
print(vgg16_true)
#将vgg16应用到CIFAR10数据集中去
train_data=torchvision.datasets.CIFAR10("dataset",train=True,transform=torchvision.transforms.ToTensor(),download=True)
#如何让利用现有的网络改动结构
#1.在后面加一层，让其输出10个分类
# vgg16_true.add_module('add_linear',nn.Linear(1000,10))
# print(vgg16_true)
#2.将模型加到classifier里
# vgg16_true.classifier.add_module('add_linear',nn.Linear(1000,10))
# print(vgg16_true)
#3.直接将模型中的最后一个输出分类1000改为10
# print(vgg16_flase)
vgg16_true.classifier[6]=nn.Linear(4096,10)
print(vgg16_true)