1.torchvision.models.vgg16

官方文档： https://pytorch.org/vision/stable/models.html#id2
在这里插入图片描述

ImageNet数据集太大不好下载

2.pretrained设置不同时网络模型的差别

在这里插入图片描述

3.如何修改现有网络结构

修改vgg16_true网路结构，添加linear层

import torchvision
from torch.nn import Linear

vgg16_false = torchvision.models.vgg16(pretrained=False)
vgg16_true = torchvision.models.vgg16(pretrained=True)

print(vgg16_true)
# vgg16_true.add_module("add_linear",Linear(1000,10))
vgg16_true.classifier.add_module("add_linear",Linear(1000,10))
print(vgg16_true)

在这里插入图片描述
修改vgg16_false网路结构，更改分类器第6层为指定linear层

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

在这里插入图片描述

4.模型的保存、加载

vgg16_method1 结构+参数

import torch
import torchvision

vgg16 = torchvision.models.vgg16(pretrained=False)
# vgg16_method1 结构+参数
torch.save(vgg16, "vgg16_method1.pth")

# 模型加载（在另一个文件加载）
model = torch.load("vgg16_method1.pth")
print(model)

import torch
import torchvision
from torch import nn

class Qu(nn.Module):
    def __init__(self):
        super(Qu, self).__init__()
        self.conv1 = nn.Conv2d(3, 64, kernel_size=3)

    def forward(self, x):
        x = self.conv1(x)
        return
        
qu = Qu()
torch.save(qu, "qu_method1.pth")

正确的调用格式需要复制原模型的类定义

class Qu(nn.Module):
    def __init__(self):
        super(Qu, self).__init__()
        self.conv1 = nn.Conv2d(3, 64, kernel_size=3)

    def forward(self, x):
        x = self.conv1(x)
        return

model = torch.load("qu_method1.pth")
print(model)

或者用import

from model_save import *

model = torch.load("qu_method1.pth")
print(model)

vgg16_method2 参数（官方推荐）

import torch
import torchvision
from torch import nn

vgg16 = torchvision.models.vgg16(pretrained=False)
# vgg16_method2 参数（官方推荐）
torch.save(vgg16.state_dict(), "vgg16_method2.pth")

# 模型加载（在另一个文件加载）
vgg16 = torchvision.models.vgg16(pretrained=False)
vgg16.load_state_dict(torch.load("vgg16_method2.pth"))
print(vgg16)