小土堆：Pytorch深度学习：现有网络模型的使用及修改

import torchvision  # 导入torchvision库

from torch import nn  # 导入torch中的nn模块（神经网络模块）

# 创建一个不经过预训练的VGG16模型
vgg16_false = torchvision.models.vgg16(pretrained=False)
# 创建一个经过预训练的VGG16模型
vgg16_true = torchvision.models.vgg16(pretrained=True)

print(vgg16_true)  # 打印经过预训练的VGG16模型的结构

# 创建训练数据集
train_data = torchvision.datasets.CIFAR10('../data', train=True, transform=torchvision.transforms.ToTensor(),
                                          download=True)

# 在经过预训练的VGG16模型中添加一个线性层（全连接层），将输入特征大小由1000变为10
vgg16_true.classifier.add_module('add_linear', nn.Linear(1000, 10))
print(vgg16_true)  # 打印更新后的经过预训练的VGG16模型的结构

print(vgg16_false)  # 打印不经过预训练的VGG16模型的结构
# 将不经过预训练的VGG16模型的第6个全连接层替换为一个新的线性层，将输入特征大小由4096变为10
vgg16_false.classifier[6] = nn.Linear(4096, 10)
print(vgg16_false)  # 打印更新后的不经过预训练的VGG16模型的结构
```

以上代码使用了torchvision库中的