Chapter4 Pytorch数据处理与可视化(Dataset、DataLoader、tensorboard、torchvision)

数据下载和预处理是机器学习、深度学习实际项目中耗时又重要得任务，尤其是数据预处理，关系到数据质量和模型性能，往往要占据项目的大部分时间。 Pytorch为此提供了专门的数据下载、数据处理包。使用这些包，可以大大提高我们的开发效率和数据质量。本文主要介绍一下几个方面。

• Pytorch相关的数据处理工具箱
• utils.data下的Dataset和DataLoader
• torchvision
• tensorboard

1、数据处理工具箱概述

PyTorch涉及数据处理(数据加载、数据预处理、数据增强等)。主要工具包及相互关系图下图所示。

图左边为torch.utils.data工具包，以下是其中常用的几个类。

1. DataSet：是一个抽象类，其他数据集需要继承这个类，并且覆写其中的两个方法(__getitem__,__len__)。
2. DataLoader：定义一个新的迭代器，实现批量(batch)读取，打乱(shuffle)数据并提供并行加速等功能。
3. random_split：把数据集随机拆分为给定长度的非重叠的新数据集。
4. Sampler：多种采样函数。
5. TensorDataset：可以用来对 tensor 进行打包，就好像 python 中的 zip 功能。该类通过每一个 tensor 的第一个维度进行索引。因此，该类中的 tensor 第一维度必须相等。

图中间是Pytorch可视化处理工具torchvision，是Pytorch的一个视觉处理工具包。其中常用的类有以下四个。

1. datasets：提供常用的数据集加载，设计上继承自torch.utils.data.Dataset，主要包括MNIST，CIFAR-10/100，ImageNet,COCO等。
2. models：提供深度学习中各种经典的网络结构以及训练好的模型(如果选择pretrained=True)，包括AlexNet，VGG系列，ResNet系列，Inception系列等。
3. transforms：常用的数据预处理操作，主要包括对Tensor及PIL Image对象的操作。
4. utils：其中常用的两个函数为make_grid函数和save_img函数。make_grid函数能将多张图片拼接在一个网格中，save_img能将Tensor保存成图片。

2、Dataset和DataLoader

Dataset和DataLoader是utils.data里常用的两个类。torch.utils.data.Dataset为抽象类，自定义数据集需要继承这个类，并实现两个函数，一个是__len__()，另一个是__getitem__()。子类也可以选择性地覆盖__len__()，许多采样器的实现和DataLoader的默认选项都期望它能返回数据集的大小。所有的子类应该覆盖__getitem__()，支持为一个给定的键取一个数据样本。

torch.utils.data.DataLoader是数据加载器。结合一个数据集和一个采样器，并在给定的数据集上提供一个可迭代的数据。DataLoader支持map风格和可迭代风格的数据集，具有单进程或多进程加载，自定义加载顺序和可选的batch大小以及其他的一些操作。

2.1、Dataset

下面通过定义一个简单的数据集，简单的介绍Dataset的使用。

1. 导入需要的模块

import torch
from torch.utils import data
import numpy as np

2. 定义获取数据集的类。

该类继承基类Dataset，自定义一个数据集及对应标签。

class TestDataset(data.Dataset):
    def __init__(self):
        #定义生成数据集的数据
        self.Data=np.asarray([[1,2],[3,4],[2,1],[3,4],[4,5]])#由二维向量组成的向量集
        self.Label=np.asarray([0,1,0,1,2])
        
    #根据下标返回数据(txt和label) 
    def __getitem__(self,index):
        #将`numpy`转为`Tensor`
        txt=torch.from_numpy(self.Data[index])
        label=torch.tensor(self.Label[index])
        return txt,label
    #返回数据集长度
    def __len__(self):
        return len(self.Data)

3. 获取数据集中的数据

Test=TestDataset()
#获取数据集中的第三个数据，相当于调用__getitem__(2)
print(Test[2])

#获取数据集的长度
print(Test.__len__())

(tensor([2, 1], dtype=torch.int32), tensor(0, dtype=torch.int32))
5

下面介绍一个稍微复杂一点的数据集是如何进行处理的。该数据集是蚂蚁和蜜蜂的二分类的数据集，有训练集和验证集两部分，标签名为文件夹的名字，对应标签的的图片全部为相对应的图片，例如，ants文件夹下的图片全部都是蚂蚁数据集。数据集的组成如下图所示，下面就为改数据创建数据集，即通过下标就可以获得相应的图片及其对应的标签名。

其处理的相应的代码为：

from torch.utils.data import Dataset
from PIL import Image
import os
%matplotlib inline

class MyData(Dataset):
    def __init__(self,root_dir,label_dir):
        self.root_dir=root_dir
        self.label_dir=label_dir
        #将文件名进行合并
        self.path=os.path.join(self.root_dir,self.label_dir)
        #获得所有图片文件名称列表
        self.img_path=os.listdir(self.path)
    def __getitem__(self, index):
        #获取指定下标的文件名称
        img_name=self.img_path[index]
        #获取指定文件的地址
        img_item_path=os.path.join(self.root_dir,self.label_dir,img_name)
        #获取图片文件
        img = Image.open(img_item_path)
        #标签信息
        label=self.label_dir
        return img,label
    def __len__(self):
        return len(self.img_path)

root_dir="hymenoptera_data/train"
ants_labels_dir="ants"
bees_labels_dir="bees"
#实例化蚂蚁数据集
ants_dataset=MyData(root_dir,ants_labels_dir)
#实例化蜜蜂数据集
bees_dataset=MyData(root_dir,bees_labels_dir)

#获取蚂蚁数据集和蜜蜂数据集的长度
len(ants_dataset),len(bees_dataset)

(124, 121)

2.2、DataLoader

Dataset只负责数据的抽取，调用一次__getitem__()只返回一个样本。如果希望批处理，还要同时进行shuffle和并行加速等操作，就需要使用DataLoader。官方给出的DataLoader的格式为：

torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, batch_sampler=None, 
                            num_workers=0, collate_fn=None, pin_memory=False, drop_last=False, 
                            timeout=0, worker_init_fn=None, multiprocessing_context=None,
                            generator=None, *, prefetch_factor=2, persistent_workers=False)

下面对主要的参数的进行说明：

• datatset：加载的数据集。
• batch_size：批大小。
• shuffle：是否将数据打乱，一般训练集的时候需要打乱，而测试集的时候则不需要进行打乱。
• sampler：样本抽样。
• num_workers：使用多进程加载的进程数，0代表不使用多进程。
• collate_fn：如何将多个样本数据拼接成一个batch，一般使用默认的拼接方式就可以。
• pin_memory：是否将数据保存在pin memory区，pin memory中的数据转到GPU会快一点。
• drop_last：dataset中的数据的个数可能不是batch_size的整数倍，drop_last为True会将多出来不足一个batch的数据丢弃。

下面将使用前面定义的简单的Dataset数据集Test，来展示DataLoader的使用。

from torch.utils import data
#batch_size大小为2，shuffle为False则不将数据打乱，num_workers为0则进程数为0
test_loader=data.DataLoader(Test,batch_size=2,shuffle=False,num_workers=0)

#读取`DataLoader`中的数据
for i,traindata in enumerate(test_loader):
    print('i:',i)
    Data,Label=traindata
    print('data:',Data)
    print('Label',Label)

i: 0
data: tensor([[1, 2],
        [3, 4]], dtype=torch.int32)
Label tensor([0, 1], dtype=torch.int32)
i: 1
data: tensor([[2, 1],
        [3, 4]], dtype=torch.int32)
Label tensor([0, 1], dtype=torch.int32)
i: 2
data: tensor([[4, 5]], dtype=torch.int32)
Label tensor([2], dtype=torch.int32)

还可以使用iter命令将其转换成迭代器，使用迭代的方式对其进行读取

dataiter=iter(test_loader)
for img,label in dataiter:
    print(img,label)

tensor([[1, 2],
        [3, 4]], dtype=torch.int32) tensor([0, 1], dtype=torch.int32)
tensor([[2, 1],
        [3, 4]], dtype=torch.int32) tensor([0, 1], dtype=torch.int32)
tensor([[4, 5]], dtype=torch.int32) tensor([2], dtype=torch.int32)

3、tensorboard/tensorboardX

Tensorboard是Tensorflow的可视化工具，它可以记录训练数据、评估数据、网络结构、图像等，并且可以在web上展示，对于观察神经网络的训练过程非常有帮助。Pytorch可以采用tensorboard_logger、visdom等可视化工具，但这些方法比较复杂或不够友好。为了解决这一问题，推出了可用于Pytorch可视化的新的更强大的工具——tensorboardX。

Pytorch原本没有像tensorboard这样的可视化工具，为了弥补这一不足，就借鸡生蛋，直接将tensorflow的tensorboard拿过来使用，tensorboardx就是这样来的。换句话说，tensorboardx和tensorflow中的tensorboard是同一个东西，只是让tensorboard能在pytorch上运行。

早期没有tensorboardx时，pytorch通过torch.utils.tensorboard 使用tensorboard。使用tensorboardx和torch.utils.tensorboard效果相同。

3.1、tensorboard简介

tensorboard功能很强大，支持scalar、image、figure、histogram、audio、text、graph、onnx_graph、embedding、pr_curve和videosummaries等可视化方式。

安装也比较方便，如果使用tensorboardX，先安装tensorflow，然后再安装tensorboardX使用命令：conda install tensorboardX。

如果使用torch.utils.tensorboard，直接使用conda install tensorboard进行安装即可。

下面介绍使用tensorboard的一般步骤。

1. 导入tensorboard，实例化SunnmaryWriter类，指明记录日志路径等信息。

from torch.utils.tensorboard import SummaryWriter

#实例化SummaryWriter，并指明日志存放路径。在当前目录没有logs目录将自动创建。
writer = SummaryWriter(log_dir='logs')

#调用实例
writer.add_xxx()#add_xxx可根据不同需求调用不同的实例，如add_scalar(),add_image()等

#关闭实例
writer.close()

说明：

1. 如果是Windows系统，log_dir需要主义路径解析如：
   writer = SummaryWriter(log_dir='E:\code\python\pytorchLearn\logs')
2. SummaryWriter的格式为：
   SummaryWriter(log_dir=None,comment='',**kwargs)。其中comment在文件命名加上comment后缀。
3. 如果不写log_dir，系统将在当前目录创建一个名为runs的目录。

2. 调用相应的API接口，接口的一般格式为：
   add_xxx(tag-name,object,iteration-number)，即add_xxx(标签,记录的对象,迭代次数)

程序运行完成之后，就会生成名为logs的文件夹。

3. 启动tensorboard服务:

转到logs目录所在的同级目录，在命令行输入如下命令，logdir等式右边可以是相对路径也可以是绝对路径。

tensorboard --logdir=logs --port 6006

在Windows环境下，输入绝对路径的时候需要注意路径解析：

tensorboard --logdir=r'E:\code\python\pytorchLearn\logs' --port 6006

4. web展示

在浏览器输入：

http://服务器IP或名称:6006/,如果是本机，服务器名称可以使用localhost。

便可以看到logs目录保存的各种图形。

下面以绘制y=x^2图形为例实际实现一下tensorboard是如何使用的。

1. 创建SummaryWriter实例，然后将标量添加到实例，然后关闭实例。

from torch.utils.tensorboard import SummaryWriter

#创建实例
writer = SummaryWriter(log_dir='logs')

# y=2*x
for i in range(100):
    writer.add_scalar('y=x^2',i*i,i)

writer.close()

然后会在当前目录下，产生一个名为logs的文件夹，其中存放的就是可以在web端进行展示的图像。

2. 打开logs同级的命令窗口，输入下面的命令。

tensorboard --logdir=logs --port 6006

运行的结果如下：

3. 在浏览器打开网址http://localhost:6006/就可以看到可视化后的结果如下。

3.2、可视化神经网络

使用tensorboard实现可视化神经网络

1. 导入需要的模块

import torch
import torch.nn as nn
import torch.nn.functional as F
import torchvision
from torch.utils.tensorboard import SummaryWriter

2. 构建神经网络(带有卷积层的)

class Net(nn.Module):
    def __init__(self):
        super(Net,self).__init__()
        #为卷积层，后面章节会介绍
        self.conv1=nn.Conv2d(1,10,kernel_size=5)
        self.conv2=nn.Conv2d(10,20,kernel_size=5)
        #drop层，会丢弃一部分参数，后面详细接受
        self.conv2_drop=nn.Dropout2d()
        #线性层
        self.fc1=nn.Linear(320,50)
        self.fc2=nn.Linear(50,10)
        #批量归一化
        self.bn=nn.BatchNorm2d(20)
    def forward(self,x):
        #max_pool2d最大池化
        x=F.max_pool2d(self.conv1(x),2)
        x=F.relu(x)+F.relu(-x)
        x=F.relu(F.max_pool2d(self.conv2_drop(self.conv2(x)),2))
        x=self.bn(x)
        x=x.view(-1,320)
        x=F.relu(self.fc1(x))
        x=F.dropout(x,training=True)
        x=self.fc2(x)
        x=F.softmax(x,dim=1)
        return x

3. 把模型保存为一个graph

#定义输入
input = torch.rand(32,1,28,28)
#实例化神经网络
model=Net()
#将model保存为graph
with SummaryWriter(log_dir='logs',comment='Net') as w:
    w.add_graph(model,(input,))

4. 在命令窗口输入tensorboard --logdir=logs --port 6006，然后再浏览器输入网址http://localhost:6006/。得到可视化后的网络。

3.3、可视化损失值

可视化损失值，就是将训练时产生的损失数值进行可视化，与简介中类似，使用add_scalar函数将数值进行可视化。在此，利用一层全连接神经网络，训练一元二次函数产生的损失值可视化为例。

#导入需要的模块
import torch
import torch.nn as nn
import numpy as np
from torch.utils.tensorboard import SummaryWriter

#创建实例
writer=SummaryWriter(log_dir='logs',comment='Linear')

#产生训练数据
np.random.seed(100)
x_train=np.linspace(-1,1,100).reshape(100,1)
y_train=3*np.power(x_train,2)+2+0.2*np.random.rand(x_train.size).reshape(100,1)

#构建模型
model=nn.Linear(1,1)

#损失函数
criterion=nn.MSELoss()
#优化器
optimizer=torch.optim.SGD(model.parameters(),lr=0.1)

#迭代训练
for epoch in range(60):
    inputs=torch.from_numpy(x_train).type(torch.FloatTensor)
    targets=torch.from_numpy(y_train).type(torch.FloatTensor)
    #计算预测值
    output=model(inputs)
    #计算损失值
    loss=criterion(output,targets)
    #梯度清零
    optimizer.zero_grad()
    #反向传播
    loss.backward()
    #更新参数
    optimizer.step()
    #保存训练的损失值并进行可视化
    writer.add_scalar('训练损失值',loss,epoch)

在命令窗口输入tensorboard --logdir=logs --port 6006，然后再浏览器输入网址http://localhost:6006/。得到可视化后的损失值。

3.4、可视化图像

使用tensorboard中的add_image方法可以对图像进行可视化，因此也可以对网络产生的特征对进行可视化，不同的卷积层的特征图的抽取成都是不一样的，为了便于观察可以使用tensorboard进行可视化。在此，只对图像进行可视化操作，特征图与之类似。

add_image方法的使用以及参数说明如下，所传入图片的格式为torch.Tensor, numpy.array, or string/blobname。

add_image(tag, img_tensor, global_step=None, walltime=None, dataformats='CHW')
#tag (string): Data identifier
#img_tensor (torch.Tensor, numpy.array, or string/blobname): Image data
#global_step (int): Global step value to record

该方法对于传入图片的形状有一定的要求：

img_tensor：默认为 :math:(3, H, W)。 您可以使用torchvision.utils.make_grid()来
将一批张量转换为3xHxW格式或调用add_images让我们完成这项工作。
具有:math:(1, H, W), :math:(H, W), :math:(H, W, 3) 的张量也适用，只要
相应的 dataformats 参数被传递，例如 CHW，HWC，HW。

下面是一个简单的可视化图片的例子。

from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image

writer=SummaryWriter(log_dir='logs')

image_path="hymenoptera_data/train/ants/0013035.jpg"
img_PIL=Image.open(image_path)
img_array=np.array(img_PIL)

#(512, 768, 3),因此需要修改dataformats为HWC
print(img_array.shape)

writer.add_image('image show',img_tensor=img_array,global_step=1,dataformats='HWC')

writer.close()

(512, 768, 3)

在命令窗口输入tensorboard --logdir=logs --port 6006，然后再浏览器输入网址http://localhost:6006/。得到可视化后的图片。

4、torchvision

torchvision中有四个功能模块model、datasets、transforms和utils。

1. datasets：是用来进行数据加载的，PyTorch团队在这个包中帮我们提前处理好了很多很多图片数据集。
2. models：中为我们提供了已经训练好的模型，让我们可以加载之后，直接使用，例如 AlexNet, VGG, ResNet等。
3. transforms：常用的图像操作，例如：随机切割，旋转，数据类型转换，图像到tensor，numpy 数组到tensor，tensor到图像等，从而对源数据进行预处理、增强等。

4.1、transforms

transforms提供了对PIL Image对象和Tensor对象的常用操作。在使用这些方法前首先查看官方文档，了解该方法的输入与输出才能更好的使用这些方法。

以下是transforms的一些常用操作:

• Scale/Resize：调整图片的尺寸大小，官方不推荐使用此Scale调整大小。
• CenterCrop、RandomCrop、RandomSizedCrop：裁剪图片，CenterCrop和RandomCrop裁剪时是固定的size，RandomSizedCrop裁剪时是随机的size。
• Pad：填充。
• ToTensor：
• RandomHorizontalFlip：图像随机水平反转，反转概率为0.5。
• RandomVerticalFlip：图像随机垂直反转。
• ColorJitter：修改亮度、对比度和饱和度。
• Normalize:标准化，即减均值然后除以标准差。
• ToPILImage：将Tensor转为PIL Image。
• Compose：功能类似于Sequential，将这些操作像管道一样拼接起来。

下面结合tensorboard对其中几个方法简单使用。导入相关包。

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

writer=SummaryWriter("logs")
img = Image.open('testImg/OIP-C.jpg')

1. ToTensor

将PIL Image或者numpy.ndarray转为tensor

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

trans_totensor=transforms.ToTensor()
img_tensor=trans_totensor(img)
writer.add_image("ToTensor",img_tensor)

可视化结果为：

2. Normalize

用均值和标准差对张量图像进行归一化。此变换不支持 PIL 图像。给定均值：(mean[1],...,mean[n]) 和标准差：(std[1],..,std[n]) 用于n 通道 ，这个变换将对输入的每个通道进行归一化。计算方式为output[channel] = (input[channel] - mean[channel]) / std[channel]。

trans_norm=transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
img_norm=trans_norm(img_tensor)
writer.add_image("Normalize",img_norm)

可视化结果为：

3. Resize

将输入图像调整为给定大小。

• 如果输入是Tensor输出也为Tensor
• 如果输入是PIL Image输出也为PIL Image

下面以输入Tensor输出Tensor为例演示Resize。输入PIL Image输出PIL Image，然后再转Tensor在下面结合Compose演示。

trans_resize=transforms.Resize((512,512))
img_resize=trans_resize(img_tensor)
writer.add_image("Resize",img_resize,0)

可视化结果为：

4. Compose

将这些操作像管道一样拼接起来。Compose()中的参数需要是一个列表。Python中，列表的表示形式为[数据1,数据2,…]。在Compose中，数据需要是transforms类型，所以得到，Compose([transforms参数1,transforms参数2,...])

# PIL Image->PIL Image->Tensor
trans_resize_2=transforms.Resize(300)
trans_compse=transforms.Compose([
    trans_resize_2,trans_totensor
])
img_resize_2=trans_compse(img)
writer.add_image("Resize",img_resize_2,1)

可视化结果为：

5. RandomCrop

在随机位置裁剪给定的图像，需要指定尺寸大小。支持PIL Image和Tensor，输入为什么输出就为什么。下面对十个随机位置进行剪裁。

trans_random=transforms.RandomCrop(100)
for i in range(10):
    img_crop=trans_random(img_tensor)
    writer.add_image("RandomCrop",img_crop,i)
writer.close()

可视化结果为：

4.2、datasets

datasets主要用于数据加载，有许多常用的数据集，如CIFAR10，MNIST，Kinetics400，ImageNet等。所有的数据集可以参考网址https://pytorch.org/vision/stable/datasets.html。

在此主要介绍CIFAR10数据集的加载和使用，然后结合transforms对其进行操作，然后使用tensorboard对其进行可视化。

CIFAR10数据集的使用格式为：torchvision.datasets.CIFAR10(root: str, train: bool = True, transform: Optional[Callable] = None, target_transform: Optional[Callable] = None, download: bool = False)

相关参数为：

• root (string)：存放cifar-10数据集的根目录。
• train (bool, optional)：如果为真，则从训练集创建数据集，否则从测试集创建。
• transform (callable, optional)：一个函数/转换，它接受一个PIL图像并返回一个转换后的版本。
• download (bool, optional)：如果为true，则从Internet下载数据集并将其放在根目录中。如果数据集已经下载，则不会再次下载。

1. 使用datasets下载该数据集。

import torchvision

train_set=torchvision.datasets.CIFAR10(root="./dataset",train=True,download=True)
test_set=torchvision.datasets.CIFAR10(root="./dataset",train=False,download=True)

Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ./dataset\cifar-10-python.tar.gz


93.9%

Files already downloaded and verified

该数据集与之前我们使用Dataset定义的数据集是一样的，因此可以使用下标获取数据集中的数据。

img,target=test_set[0]
print(img,target)
print(test_set.classes[target])
img.show()

<PIL.Image.Image image mode=RGB size=32x32 at 0x24B82AD7208> 3
cat

由以上输出可以看出，输出的图片的类型是PIL Image。下面结合使用前面学到的trasnforms对其进行一个处理。

dataset_transform=torchvision.transforms.Compose([
    torchvision.transforms.ToTensor()
])

train_set=torchvision.datasets.CIFAR10(root="./dataset",train=True,transform=dataset_transform,download=True)
test_set=torchvision.datasets.CIFAR10(root="./dataset",train=False,transform=dataset_transform,download=True)

Files already downloaded and verified
Files already downloaded and verified

然后查看图片的类型，结果为Tensor类型。

img,target=train_set[0]
print(type(img))

<class 'torch.Tensor'>

最后使用tensorboard对其进行可视化。

from torch.utils.tensorboard import SummaryWriter

writer=SummaryWriter('cifar10')
for i in range(10):
    img ,target=test_set[i]
    writer.add_image('test_set',img,i)
writer.close()

可视化的结果为：

4.3、models

torchvision.models子包包含用于解决不同任务的模型定义，包括：图像分类、像素语义分割、对象检测、实例分割、人物关键点检测、视频分类和光流。如AlexNet、VGG、SqueezeNet、GoogLeNet、VGG等网络，更多的详情可以查看官方网址https://pytorch.org/vision/stable/models.html

下面主要介绍一下VGG16网络，主要介绍如何加载使用该网络，以及如何修改该网络中的参数。

VGG16的使用格式为：torchvision.models.vgg16(pretrained: bool = False, progress: bool = True)

• pretrained：如果为 True，则返回在 ImageNet 上预训练的模型。
• progress：如果为 True，则显示下载到 stderr 的进度条。

1. 加载预训练和未预训练的VGG16网络

#未预训练
vgg16_false=torchvision.models.vgg16(pretrained=False)
#预训练好的
vgg16_true=torchvision.models.vgg16(pretrained=True)

Downloading: "https://download.pytorch.org/models/vgg16-397923af.pth" to C:\Users\76059/.cache\torch\hub\checkpoints\vgg16-397923af.pth
99.6%

查看VGG16的网络结构。

vgg16_false

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=(3, 3), stride=(1, 1), padding=(1, 1))
    (11): ReLU(inplace=True)
    (12): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (13): ReLU(inplace=True)
    (14): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (15): ReLU(inplace=True)
    (16): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (17): Conv2d(256, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (18): ReLU(inplace=True)
    (19): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (20): ReLU(inplace=True)
    (21): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (22): ReLU(inplace=True)
    (23): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (24): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (25): ReLU(inplace=True)
    (26): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (27): ReLU(inplace=True)
    (28): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (29): ReLU(inplace=True)
    (30): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  )
  (avgpool): AdaptiveAvgPool2d(output_size=(7, 7))
  (classifier): Sequential(
    (0): Linear(in_features=25088, out_features=4096, bias=True)
    (1): ReLU(inplace=True)
    (2): Dropout(p=0.5, inplace=False)
    (3): Linear(in_features=4096, out_features=4096, bias=True)
    (4): ReLU(inplace=True)
    (5): Dropout(p=0.5, inplace=False)
    (6): Linear(in_features=4096, out_features=1000, bias=True)
  )
)

可以看出最后一层为输出为1000的线性层，如果将其应用到CIFAR-10上，则需要将最后一层改为输出为10的线性层。现在有两种方法进行修改。

1. 在VGG16原来的网络上的最后在添加一层。

2. 将原来的VGG16的网络的最后一层进行修改。

3. 在VGG16原来的网络上的最后再添加一层，并添加到classifier中

import torch.nn as nn

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

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=(3, 3), stride=(1, 1), padding=(1, 1))
    (11): ReLU(inplace=True)
    (12): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (13): ReLU(inplace=True)
    (14): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (15): ReLU(inplace=True)
    (16): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (17): Conv2d(256, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (18): ReLU(inplace=True)
    (19): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (20): ReLU(inplace=True)
    (21): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (22): ReLU(inplace=True)
    (23): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (24): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (25): ReLU(inplace=True)
    (26): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (27): ReLU(inplace=True)
    (28): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (29): ReLU(inplace=True)
    (30): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  )
  (avgpool): AdaptiveAvgPool2d(output_size=(7, 7))
  (classifier): Sequential(
    (0): Linear(in_features=25088, out_features=4096, bias=True)
    (1): ReLU(inplace=True)
    (2): Dropout(p=0.5, inplace=False)
    (3): Linear(in_features=4096, out_features=4096, bias=True)
    (4): ReLU(inplace=True)
    (5): Dropout(p=0.5, inplace=False)
    (6): Linear(in_features=4096, out_features=1000, bias=True)
    (add_linear): Linear(in_features=1000, out_features=10, bias=True)
  )
)

2. 将原来的VGG16的网络的最后一层进行修改

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

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=(3, 3), stride=(1, 1), padding=(1, 1))
    (11): ReLU(inplace=True)
    (12): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (13): ReLU(inplace=True)
    (14): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (15): ReLU(inplace=True)
    (16): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (17): Conv2d(256, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (18): ReLU(inplace=True)
    (19): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (20): ReLU(inplace=True)
    (21): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (22): ReLU(inplace=True)
    (23): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
    (24): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (25): ReLU(inplace=True)
    (26): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (27): ReLU(inplace=True)
    (28): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (29): ReLU(inplace=True)
    (30): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
  )
  (avgpool): AdaptiveAvgPool2d(output_size=(7, 7))
  (classifier): Sequential(
    (0): Linear(in_features=25088, out_features=4096, bias=True)
    (1): ReLU(inplace=True)
    (2): Dropout(p=0.5, inplace=False)
    (3): Linear(in_features=4096, out_features=4096, bias=True)
    (4): ReLU(inplace=True)
    (5): Dropout(p=0.5, inplace=False)
    (6): Linear(in_features=4096, out_features=10, bias=True)
  )
)