PyTorch 现有网络模型的使用及修改

风吹我亦散

于 2022-02-16 20:49:05 发布

阅读量2.3k

点赞数 3

CC 4.0 BY-SA版权

文章标签： pytorch 网络深度学习

本文链接：https://blog.youkuaiyun.com/weixin_45468845/article/details/122971331

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.

最低0.47元/天解锁文章

200万优质内容无限畅学