神经网络入门实战：（十七）VGG16模型的加载、保存与修改，可以应用到其他网络模型上

炸膛坦客

已于 2025-04-10 21:16:16 修改

阅读量2k

点赞数 30

分类专栏：神经网络入门实战文章标签：神经网络网络人工智能

于 2024-12-07 13:44:37 首次发布

本文链接：https://blog.csdn.net/qq_51409113/article/details/144309268

版权

VGG16模型的加载、保存与修改

该模型主要是用来识别 ImageNet 数据集的。

16 的由来：该模型包含16个权重层（13个卷积层和3个全连接层），因此得名VGG16。

模型官网：vgg16 — Torchvision 0.20 documentation

(一) 从官网加载 VGG16 模型

① 在 pycharm 中加载官网已经训练好的 VGG16 模型的指令：

使用该网络模型进行 ImageNet 的 1000 种类别的 分类任务（完整权重）：
```
vgg16_true = torchvision.models.vgg16(weights=torchvision.models.VGG16_Weights.IMAGENET1K_V1)
```
其中参数 weights 指定了要加载的预训练权重；V1 通常指的是模型的第一个版本或第一个公开发布的权重集。

2024年目前情况下，这个参数是默认的，即 weights 可直接指定为 DEFAULT ：
```
weights=torchvision.models.VGG16_Weights.DEFAULT 
```
不过 DEFAULT 一般都会指向新的权重版本，所以当官方更新最新权重之后（即 IMAGENET1K_V1 不再是最新的），就要慎重使用此命令。
仅提供在 特征提取阶段 训练过的权重（只有 13 个卷积层训练好的权重）：
```
vgg16_true = torchvision.models.vgg16(weights=torchvision.models.VGG16_Weights.IMAGENET1K_FEATURES)
```
这些权重可能缺少分类器模块（即全连接层）的权重。

加载好的VGG16模型参数如下：

VGG(
  (features): Sequential(
    (0): Conv2d(3, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (1): ReLU(inplace=True)
    (2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (3): ReLU(inplace=True)
    (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(inplace=True)
    (7): Conv2d(128, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (8): ReLU(inplace=True)
    (9): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (10): Conv2d(128, 256, kernel_size=

最低0.47元/天解锁文章