21、现有网络模型的使用以及修改

1、网络模型在pytorch里面的torchvision里面torchvision.models，是关于图像类的网络模型

2、简单以一个分类模型为例子：   VGG（最常用的是VGG16和VGG19）

 

 pretrained:

　　 如果是true的话，说明在ImageNet数据集上，模型的参数是都训练好的； 如果是False的话，说明模型的参数是初始化的，没有训练好。

vgg16_false=torchvision.models.vgg16(pretrained=False)      #当pretrained为 False的时候只是加载网络模型。是不需要对网络模型的参数进行下载的
vgg16_true=torchvision.models.vgg16(pretrained=True)   #pretrained=True时，需要下载网络模型，下载模型里的参数

print(vgg16_true)

 

 

progress：

　　如果是True，显示下载进度条； False则不显示

3、ImageNet数据集：

 

 

 

 4、修改现有模型

train_data=torchvision.datasets.CIFAR10('../../dataset/CIFAR10',train=False,
                                        transform=torchvision.transforms.ToTensor(),download=True)
'''如何利用现有的网络模型，去改动它的结构；比如说想让VGG是10分类任务，也就是让输出特征是10；可以有两种'''
#1、再添加一个线性层
vgg16_true.add_module('add_linear',nn.Linear(in_features=1000,out_features=10))
#add_module（）里面两个参数，一个是字符串型，给要加的模块起个名字，第二个是要加的模块，可以直接是一层网络，也可以是一个序列

print(vgg16_true)

输出：

 

 

# 2、如果想在序列里面添加可以这样网络模型.想要加的位置.add_moudle()
vgg16_true.classifier.add_module('add_linear',nn.Linear(in_features=1000,out_features=10))
print(vgg16_true)

# 3、不想添加的话，可以进行修改
#对模型中的classifier中的第6层进行修改
vgg16_false.classifier[6]=nn.Linear(4096,10)