1、网络模型在pytorch里面的torchvision里面torchvision.models，是关于图像类的网络模型
2、简单以一个分类模型为例子： VGG（最常用的是VGG16和VGG19）
pretrained:
如果是true的话，说明在ImageNet数据集上，模型的参数是都训练好的； 如果是False的话，说明模型的参数是初始化的，没有训练好。
vgg16_false=torchvision.models.vgg16(pretrained=False) #当pretrained为 False的时候只是加载网络模型。是不需要对网络模型的参数进行下载的 vgg16_true=torchvision.models.vgg16(pretrained=True) #pretrained=True时，需要下载网络模型，下载模型里的参数 print(vgg16_true)
progress：
如果是True，显示下载进度条； False则不显示
3、ImageNet数据集：
4、修改现有模型
train_data=torchvision.datasets.CIFAR10('../../dataset/CIFAR10',train=False,
transform=torchvision.transforms.ToTensor(),download=True)
'''如何利用现有的网络模型，去改动它的结构；比如说想让VGG是10分类任务，也就是让输出特征是10；可以有两种'''
#1、再添加一个线性层
vgg16_true.add_module('add_linear',nn.Linear(in_features=1000,out_features=10))
#add_module（）里面两个参数，一个是字符串型，给要加的模块起个名字，第二个是要加的模块，可以直接是一层网络，也可以是一个序列
print(vgg16_true)
输出：
# 2、如果想在序列里面添加可以这样网络模型.想要加的位置.add_moudle()
vgg16_true.classifier.add_module('add_linear',nn.Linear(in_features=1000,out_features=10))
print(vgg16_true)
# 3、不想添加的话，可以进行修改 #对模型中的classifier中的第6层进行修改 vgg16_false.classifier[6]=nn.Linear(4096,10)
标签：21,vgg16,模型,网络,修改,add,true,torchvision From： https://www.cnblogs.com/ar-boke/p/17152774.html