神经网络——网络模型

1.现有网络模型的使用及修改

1.1讲解VGG16网络模型：

import torchvision

vgg16_false=torchvision.models.vgg16(weights =None)
vgg16_true=torchvision.models.vgg16(weights='DEFAULT')
print(vgg16_true)

ImageNet数据集太大了，仅训练集就有147.9g。

1.2改变现有网络的参数：

• 在现有模型中添加模型

vgg16_true.add_module('add_linear',nn.Linear(1000,10))
print(vgg16_true)

• 添加模型至classifier中

vgg16_true.classifier.add_module('add_linear',nn.Linear(1000,10))
print(vgg16_true)

• 修改模型

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

2.网络模型的保存与读取

2.1模型的保存与读取方法1：

• torch.save(实例, 保存名称)——model_save.py
• torch.load(实例, 保存名称)——model_load.py

方法1：保存了模型结构+模型参数

#保存方式1
torch.save(vgg16,"vgg16_method1.pth")

#读取方式1：加载模型
model=torch.load("vgg16_method1.pth")#D:\py_code5\XTD\XTDProject_3\vgg16_method1.pth
print(model)

2.2模型的保存与读取方法2：

• torch.save(实例.state_dict(), 保存名称) ——model_save.py
• torch.load(实例.state_dict(), 保存名称)——model_load.py

方法2保存的是：模型参数（官方推荐），vgg16的网络模型状态保存为字典格式。不保存结构。

#保存方式2
torch.save(vgg16.state_dict(),"vgg16_method2.pth")

#读取方式2，加载模型
model=torch.load("vgg16_method2.pth")

是字典格式，需要还原：

#方式二，加载模型
vgg16=torchvision.models.vgg16(weights = None)
vgg16.load_state_dict(torch.load("vgg16_method2.pth"))
# model=torch.load("vgg16_method2.pth")
print(vgg16)

即可。

方式二的数据大小要小一点

2.3方法1的陷阱：

用方法1的时候一定要保证读取模型的文件里有定义该模型的类！

#陷阱——model_save.py
class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, self).__init__()
        self.conv1=nn.Conv2d(3,64,kernel_size=3)

    def forward(self, x):
        x=self.conv1(x)
        return x

tudui=Tudui()
torch.save(tudui,"tudui_method1.pth")

#陷阱——model_load.py
model=torch.load("tudui_method1.pth")
print(model)

需要让模型能访问到定义的class

• 方法一：将class的定义放入model_load.py中

#陷阱
class Tudui(nn.Module):
    def __init__(self):
        super(Tudui, self).__init__()
        self.conv1=nn.Conv2d(3,64,kernel_size=3)

    def forward(self, x):
        x=self.conv1(x)
        return x

model=torch.load("tudui_method1.pth")
print(model)

• 方法二：引入model_save

from model_save import *