【学习笔记】现有网络模型的使用及修改

主要内容：

        一. 如何加载pytorch提供的网络模型？

        二.如何修改网络模型？

打开pytorch官网：

PyTorch https://pytorch.org/选择torchvision，版本选择0.9.0，打开torchvision.models，下面以VGG16模型（在ImageNet数据集中训练的）为例，

import torchvision


#上面下载量一百多个G, 太大了
#train_data=torchvision.datasets.ImageNet('./data_image_net',split='train',download=True,transform=torchvision.transforms.ToTensor())

vgg16_false = torchvision.models.vgg16(pretrained=False,progress=True)
vgg16_true=torchvision.models.vgg16(pretrained=True,progress=True)
"""
pretrained=False: 表示下载的网络模型（VGG16）参数未在任何数据集中进行训练，也就是说这些参数都是初始化参数，相当于前面写的
cifar10 model structure 网络架构 
progress=True: 显示下载到标准程序的进度条
pretrained=True: 表示下载的网络模型（VGG16）其中的参数已经在数据集（ImageNet）中训练好了，取得了不错的效果
"""
#print训练好的网络模型(架构)
print(vgg16_true)

输出结果：

 

 查看ImageNet数据集：

ImageNethttps://image-net.org/challenges/LSVRC/2012/index.php

如何利用现有网络通过改动它的结构，而避免写vgg16结构？ 因为很多框架将vgg16当作前置网络结构（用来提取一些特殊的特征），然后在vgg16后面加一些结构，实现特殊的功能

下面有两种方法将vgg16模型通过添加一个线性层linear，使网络模型满足CIFAR10的网络模型结构

首先，看一下vgg16与CIFAR10的模型结构：

 

方法一：在上述代码下面添加下列代码并运行：

train_data=torchvision.datasets.CIFAR10('./datasets',train=True,transform=torchvision.transforms.ToTensor(),
                                        download=True)
#如何利用现有网络通过改动它的结构，避免写vgg16, 很多框架将vgg16当作前置网络结构（用来提取一些特殊的特征），然后在vgg16后面加一些结构，实现特殊的功能
#在vgg16中添加一层线性层
vgg16_true.add_module('add_linear',nn.Linear(in_features=1000, out_features=10))  #in_features=1000这里为什么是1000? 由vgg16最后线性层的输出决定
print(vgg16_true)

 运行结果为：

如何把add_linear加入到classifier中呢？

将上述代码vgg16.add_module(...)改为vgg16.classifier.add_module(...)即可，运行结果如下：

 方法二：通过改vgg16模型的输出，将输出1000类别改为10，具体如何用代码实现呢？

在vgg16_false上修改，首先print(vgg16_false)，如下：

在上面代码下面添加下面几行代码：

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

 运行结果如下：