机器学习笔记 - 基于Torch Hub的VGG和ResNet

一、VGG 和 ResNet

        当你在机器学习领域时，理论和实践是同等需要的。但是因为硬件限制会严重影响你的机器学习进程。值得庆幸的是，在互联网上上传预先训练的模型权重来帮助我们绕过这些问题。这些模型在庞大的数据集上进行训练，使其成为非常强大的特征提取器。

        所以不仅可以将这些模型用于您的任务，还可以用作基准。但是在特定数据集上训练的模型是否适用于您的问题所特有的任务？这是一个需要考虑的问题。例如，假设您有一个在 ImageNet 上训练的模型（1400 万张图像和20000个分类）。在这种情况下，针对相似且更具体的图像分类对其进行微调将得到好的结果，因为预训练的模型已经是一个熟练的特征提取器。

        借助网络上提供的大量预训练模型权重，Torch Hub 将整个过程浓缩为一行代码来解决这些问题。因此，您不仅可以在本地系统中加载 SOTA 模型（state-of-the-art，最好或者最先进的模型），还可以选择是否要对其进行预训练。

二、VGG 和 ResNet 架构回顾

        VGG16架构是在论文“ Very Deep Convolutional Networks for Large-Scale I