pytorch加载训练好的模型用来测试或者处理

1.直接加载预训练模型

如果我们使用的模型和原模型完全一样，那么我们可以直接加载别人训练好的模型：

import torchvision.models as models
 
resnet50 = models.resnet50(pretrained=True)

如果只需要网络结构，不需要用预训练模型的参数来初始化，那么就是：

model =torchvision.models.resnet50(pretrained=False)

2.修改某一层

PyTorch中的torchvision里已经有很多常用的模型了，可以直接调用：

• AlexNet
• VGG
• ResNet
• SqueezeNet
• DenseNet

import torchvision.models as models
resnet18 = models.resnet18()
alexnet = models.alexnet()
squeezenet = models.squeezenet1_0()
densenet = models.densenet_161()

但是对于我们的任务而言有些层并不是直接能用，需要我们微微改一下，比如，resnet最后的全连接层是分1000类，而我们只有21类；又比如，resnet第一层卷积接收的通道是3， 我们可能输入图片的通道是4，那么可以通过以下方法修改：

resnet.conv1 = nn.Conv2d(4, 64, kernel_size=7, stri