1.VGG16
(1)参数:
VGG 16层模型用于大规模图像识别的深度卷积网络”。 该模型要求的最小输入尺寸为32x32。
torchvision.models.vgg16
(pretrained: = False, progress: bool = True, **kwargs: Any) → torchvision.models.vgg.VGG
-
pretrained (bool) – If True, returns a model pre-trained on ImageNet 如果为true,下载的网络模型的一些参数在数据集ImageNet中已经是训练好的,在ImageNet中能取的不错的效果,如果为false的话,就是初始化的参数,没有在任何数据集上进行训练
-
progress (bool) – If True, displays a progress bar of the download to stderr 如果为true的话显示下载进度条,为false的话就不显示
(2) 如何让利用现有的网络改动结构
例:将vgg16应用到CIFAR10数据集中去
train_data=torchvision.datasets.CIFAR10("dataset",train=True,transform=torchvision.transforms.ToTensor(),download=True) 方法1.在后面加一层,让其输出10个分类 vgg16_true.add_module('add_linear',nn.Linear(1000,10)) print(vgg16_true) 方法2.将模型加到classifier里 vgg16_true.classifier.add_module('add_linear',nn.Linear(1000,10)) print(vgg16_true)
方法3.直接将模型中的最后一个输出分类1000改为10 print(vgg16_flase) vgg16_flase.classifier[6]=nn.Linear(4096,10)#修改第六层线性层 print(vgg16_flase)
2.代码示例
import torchvision.datasets
# train_data=torchvision.datasets.ImageNet("data_image_net",split='train',download=True,transform=torchvision.transforms.ToTensor())
#vgg16网络模型输出是1000个分类
#false 时,加载网络模型,参数是默认参数,不需要下载,相当于之前自己写的模型
from torch import nn
vgg16_flase=torchvision.models.vgg16(pretrained=False)
#true,需要下载,参数已经在image_net中训练好了
vgg16_true=torchvision.models.vgg16(pretrained=True)
print(vgg16_true)
#将vgg16应用到CIFAR10数据集中去
train_data=torchvision.datasets.CIFAR10("dataset",train=True,transform=torchvision.transforms.ToTensor(),download=True)
#如何让利用现有的网络改动结构
#1.在后面加一层,让其输出10个分类
# vgg16_true.add_module('add_linear',nn.Linear(1000,10))
# print(vgg16_true)
#2.将模型加到classifier里
# vgg16_true.classifier.add_module('add_linear',nn.Linear(1000,10))
# print(vgg16_true)
#3.直接将模型中的最后一个输出分类1000改为10
# print(vgg16_flase)
vgg16_true.classifier[6]=nn.Linear(4096,10)
print(vgg16_true)