PyTorch 现有网络模型的使用及修改

本文介绍了如何在PyTorch中使用VGG16模型,包括预训练模型的选择,如何查看网络架构,以及如何根据需求添加和修改网络层。针对分类任务,演示了当目标类别数不同于原始模型时,如何调整最后的线性层以适应新的任务。此外,还讨论了如何修改现有模型中的特定层参数。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

PyTorch 现有网络模型的使用及修改

先用最简单的 VGG分类模型 作为案例

最常用的是VGG16 和 VGG19两个版本

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-N2vi6w67-1645014558525)(C:\Users\14158\AppData\Roaming\Typora\typora-user-images\1644756654647.png)]

  • pretrained
    如果为true 下载的网络模型中的参数在ImageNet数据集中已经训练好。
    ​ 如果为False 下载的网络模型中的参数没有训练过。

  • progress
    如果为True 显示下载进度条
    如果为False 不显示下载进度条

由于ImageNet数据集太大,就不下载了。



vgg16 架构

我们先看看看到 vgg_16 的网络架构

import torchvision.datasets
from torch import nn

vgg16_false = torchvision.models.vgg16(pretrained=False)    # pretrained=False, 只加载网络模型, 不需要下载, 参数都是默认的
vgg16_true = torchvision.models.
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值