PyTorch深度学习笔记（十七）现有网络模型的使用与修改

最新推荐文章于 2024-07-11 20:21:32 发布

原创最新推荐文章于 2024-07-11 20:21:32 发布 · 1k 阅读

2 ·

CC 4.0 BY-SA版权

本文为博主原创文章，未经博主允许不得用于商业用途，转载请注明出处，否则保留追究法律责任的权利。

文章标签：

#pytorch #深度学习 #python

PyTorch 专栏收录该内容

20 篇文章

订阅专栏

这篇博客介绍了如何在PyTorch的torchvision库中使用常见的预训练神经网络模型，如AlexNet、VGG、ResNet和GoogLeNet进行图像分类。作者展示了如何设置全局镜像源以加速下载，并通过实例解释了如何加载预训练的VGG16模型，调整其分类层以适应CIFAR10数据集。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

课程学习笔记，课程链接

在现有的 torchvision 中提供了许多常见的神经网络模型，这些模型主要包括：分类、语义分割、目标检测、视频分类等类型，其中分类主要针对图像分类，包括 AlexNet、VGG、ResNet、GoogLeNet 等网络。具体情况可以参照 PyTorch 官网。

使用该数据集需安装 scipy，可用 pip list 查看是否安装（数据集 100多G，太大不适宜讲解）

设置全局镜像

新建文件夹 C:\Users\Administrator\pip -> 创建文件 pip.ini -> 输入内容（亲测有效）

[global]
index-url=https://pypi.tuna.tsinghua.edu.cn/simple/
[install]
trusted-host=pypi.tuna.tsinghua.edu.cn

现有模型的使用，VGG16

import torchvision
from torch import nn

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

train_data = torchvision.datasets.CIFAR10("D:\Code\Project\learn_pytorch\pytorch_p17-21\data", train=True,
                                          transform=torchvision.transforms.ToTensor, download=True)
vgg16_true.classifier.add_module('add_linear', nn.Linear(1000, 10))
print(vgg16_true)

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