现有网络模型的使用和修改

1、参数pretrained 为false和true时的区别

• vgg16_false = torchvision.models.vgg16(pretrained = False)
  #False,下载的是网络模型，默认参数

• vgg16_true = torchvision.models.vgg16(pretrained = True)
  #True,下载的是网络模型，并且在数据集上面训练好的参数。

pretrained=False时，只是加载网络模型，把神经网络的代码加载了进来，其中的参数都是默认的参数，不需要下载。

pretrained=True时，它就要去从网络中下载，比如说卷积层对应的参数时多少，池化层对应的参数时多少等。这些参数都是在 ImageNet 数据集中训练好的。

2、现有网络模型的使用与修改

如何利用现有的网络，改变网络的框架来符合我们的需求？
我们之前使用的数据集CIFAR10只分为10个类别
如果我们加载了vgg16模型，我们如何应用这个网络模型呢？

有两个方法：
（1）将 (6): Linear(in_features=4096, out_features=1000, bias=True)改为Linear(in_features=4096, out_features=10, bias=True)
（2）再加一个线性层 Linear(in_features=1000, out_features=10, bias=True)

import torchvision



# 利用现有的网络改动
from torch import nn

vgg16_false = torchvision.models.vgg16(pretrained=False)
vgg16_true = torchvision.models.vgg16(pretrained=True)
print(vgg16_true)

train_data = torchvision.datasets.CIFAR10('./dataset_ts', train=True, transform=torchvision.transforms.ToTensor(),download=True)

# 在vgg16的classifier下加一层模型，名叫add_linear,module名，in_feature=1000，out_feature=10
vgg16_true.add_module('add_linear', nn.Linear(1000, 10))
print(vgg16_true)

print(vgg16_false)
# 修改最后一行结构为out_feature=10
vgg16_false.classifier[6] = nn.Linear(4096, 10)
print(vgg16_false)

参考：

土堆视频
https://blog.csdn.net/m0_51816252/article/details/125125715
https://blog.csdn.net/Crystalxxtt/article/details/124933634