土堆学习笔记——P25现有网络模型的使用

官方文档的torchvision截图，classification分类、Semantic Segmentation语义分割、Object Detection目标检测

VGG

一个分类模型
如果pretrained设置为true，就是说这个VGG模型用他们官方的一个数据集ImageNet预训练好了，预训练好了的效果是什么呢？就是里面的一些模型参数被改好了，那就需要一些时间加载/下载这个模型。
如下

Downloading: "https://download.pytorch.org/models/vgg16-397923af.pth"
to /Users/bbing517/.cache/torch/hub/checkpoints/vgg16-397923af.pth
  4%|██▍                                                              | 
  19.4M/528M [00:08<03:48, 2.33MB/s]

如果pretrained是false，那模型的参数就是默认的参数。
不用download

对比，第一张是输出true的

输出false
发现输出一样，不知道为啥。？？

但是可以知道VGG16是一个1000类的分类器，然后我们之前用的数据集是CIFAR10，是把数据分成10类。
那如何用现有的网络VGG，完成10类分类呢？
方法一：把VGG的最后的out_features改成10
方法二：在VGG后面再加多一个东西，1000的输入，10的输出

很多论文也会把VGG16作为一个前置网络，通过它来提取数据的一些特征。

import scipy
import torchvision

vgg16_false = torchvision.models.vgg16(pretrained=False)
vgg16_true = torchvision.models.vgg16(pretrained=True)

print(vgg16_true)

train_data = torchvision.datasets.CIFAR10("./神经网络",train = False, 
                                       transform = torchvision.transforms.ToTensor(),
                                       download = True)

#在整个vgg16外面加
vgg16_true.add_module('add_linear',nn.Linear(1000,10))#这层名字叫'add_linear'
print(vgg16_true)

#在那个classifier里面加
vgg16_true.classifier.add_module('7add_linear',nn.Linear(1000,10))#这层名字叫'7add_linear'
#print(vgg16_true)

原来的VGG16
在整个vgg16外面加

在classifier里加

如果用那个方法1呢？就是把classifier的6的out_feature改成10呢
也可以，我们用flase那版改

vgg16_false.classifier[6] = nn.Linear(4096,10)