PytorchCNN项目搭建4---常见的卷积神经网络cnn

---

整体的代码在我的github上面可以查阅

---

常见的卷积神经网络

今日的主要目的不是介绍各个CNN的原理等，原理性的介绍很多博主已经解释的很详细了。本文主要目的是如何使用这些models，之后进行训练学习，所以，我会列举几个重要的CNN，给出文章及基本的介绍，大家可以自行查阅。

 
我们把需要的 cnn_models 写入新建的models文件夹中，统一调用

 

常见的CNN有：Lenet、Alexnet、VGG、Inception、Resnet等。具体的文章和代码详见参考文献[2]

---

联合Argparse调用训练的网络

之前，我们学习了argparse的使用，我们把每次使用的网络模型也作为参数进行输入，需要一个函数来将输入的参数和实际的models联系起来，在utils文件夹下，写一个get_net.py 函数，达到需要的要求。

import os
import sys
from models import resnet,vgg,inception,squeezenet
from models.resnet import resnet18,resnet34,resnet50,resnet101,resnet152
from models.vgg import vgg11,vgg11_bn,vgg13,vgg13_bn,vgg16,vgg16_bn,vgg19,vgg19_bn
from models.inception import inception_v3
from models.squeezenet import squeezenet1_0
from models.alexnet import alexnet
from models.lenet5 import LeNet5
import pdb

def get_network(args,cfg):
    """ return given network
    """
    # pdb.set_trace()
    if args.net == 'lenet5':
        net = LeNet5().cuda()
    elif args