Pytorch：利用预训练好的VGG16网络提取图片特征

注意

目前（2019年一月）因为torchvision提供的VGG网络没有训练完全¹，不建议使用torchvision提供的预训练模型来进行特征提取，建议先使用别的框架（例如TensorFlow或者Caffe之类的框架）提供的预训练过的模型来进行特征提取。

前言

这里的提取图片特征特指从VGG网络的最后一个conv层进行提取。虽然下面代码里面给出的是VGG16作为例子，其实也可以用其他的已经经过训练了的神经网络，包括自己训练的。

相关代码

模型结构

首先说下加载模型，这里用的是torch官方提供的已经训练好的模型，只需要从torchvision模块导入：

import torchvision.models as models

model = models.vgg16(pretrained=True)

上面的pretrained=True是指使用预训练的权重，可以自己另外加载，但是这里就直接用官方提供的了。在第一次运行的时候会自动下载相应的模型（例如这里就是vgg16），如果弹出了类似“time out”之类的错误的话请运行多一次试试看。通常运行多几次就可以成功将模型下载下来。

然后需要确定的就是模型的结构，只需要：

feature = torch.nn.Sequential(*list(model.children())[:])
print(feature)

例如vgg16的输出是：

Sequential(
  (0): Sequential(
    (0): Conv2d(3, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (1): ReLU(inplace)
    (2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (3): ReLU(inplace)
    (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