利用预训练的VGG提取图像特征（pytorch）

​

核心部分

a=vgg.features(img)#使用feature获取特征层（卷积层）的特征；输出特征维度为【1，512，4，4】
b=vgg.avgpool(a)#使用vgg定义的池化操作；输出特征维度为【1，512，7，7】
b=torch.flatten(b,1)#将特征变成一维度；输出特征维度为【1，25088】
c=vgg.classifier[:1]#使用分类层的的第一层，当然可以选择数；输出特征维度为【1，4096】

前言

需要pytorch预训练模型VGG19提取图像特征，但VGG19最后一层输出1000维的图像分类结果。我们仅仅需要模型中某一层的输出特征，例如全连接层4096维度的特征。

1、配置预训练模型

import torch
import torchvision.models as models
# 如果联网使用pytorch的预训练模型,
# 将pretrained设置为True, 就会自动下载vgg19的模型放在本地缓存中.
vgg = models.vgg19(pretrained=True)

2、输出网络结构

print(vgg)

可以看到vgg有features，avgpool，classifier三部分组成

3、查看vgg实现细节

在vgg19下右击鼠标，依次选择goto，implementations

找到forward部分，我们发现vgg总共分四步执行，这样我们可以分步获得图像的特征

4、自定义获取图像的特征

a=vgg.features(img)#使用feature获取特征层（卷积层）的特征；输出特征维度为【1，512，4，4】
b=vgg.avgpool(a)#使用vgg定义的池化操作；输出特征维度为【1，512，7，7】
b=torch.flatten(b,1)#将特征变成一维度；输出特征维度为【1，25088】
c=vgg.classifier[:1]#使用分类层的的第一层，当然可以选择数；输出特征维度为【1，4096】

​