【学习笔记】【Pytorch】十四、现有网络模型的使用及修改

现有模型

参考：
Models and pre-trained weights

VGG16网络模型的使用及修改

VGG16网络模型是一个1000分类问题，将其网络修改成10分类问题：

• 法1：在最后的全连接层添加一个int_features=1000，out_features=10的线性层。
• 法2：修改全连接层中最后一个线性层的out_features=10。

代码实现：

import torchvision
from torch import nn

vgg16_false = torchvision.models.vgg16(pretrained=False)
# 将vgg16模型及其参下载到本地(C:\Users\11837\.cache\torch\hub\checkpoints)
vgg16_true = torchvision.models.vgg16(pretrained=True)  
print(vgg16_true)  # 打印模型网络结构

# 1.添加一个线性层进行10分类任务
vgg16_true.add_module("add_linear", nn.Linear(1000, 10))
print('\n法1修改后的网络结构：\n', vgg16_true)  # 打印模型网络结构

# 2.修改 classifier 中的第七层网络，变成10分类问题
vgg16_false.classifier[6] = nn.Linear(4096, 10)
print('\n法2修改后的网络结构：\n', vgg16_false)  # 打印模型网络结构

输出：

VGG(
  (features): Sequential(
    (0): Conv2d(3, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (1): ReLU(inplace=True)
    (2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (3): ReLU(inplace=True)
    (4): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (5): Conv2d(64, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (6): ReLU(inplace=True)
    (7): Conv2d(128, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (8): ReLU(inplace=True)
    (9): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (10): Conv2d(128, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (11): ReLU(inplace=True)
    (12): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (13): ReLU(inplace=True)
    (14): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (15): ReLU(inplace=True)
    (16): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (17): Conv2d(256, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1