pytorch学习（十二）：对现有的模型进行修改

以VGG16为例：

VGG((features): Sequential((0): Conv2d(3, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(1): ReLU(inplace=True)(2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(3): ReLU(inplace=True)(4): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)(5): Conv2d(64, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(6): ReLU(inplace=True)(7): Conv2d(128, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(8): ReLU(inplace=True)(9): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)(10): Conv2d(128, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(11): ReLU(inplace=True)(12): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(13): ReLU(inplace=True)(14): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(15): ReLU(inplace=True)(16): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)(17): Conv2d(256, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(18): ReLU(inplace=True)(19): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(20): ReLU(inplace=True)(21): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(22): ReLU(inplace=True)(23): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)(24): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(25): ReLU(inplace=True)(26): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(27): ReLU(inplace=True)(28): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(29): ReLU(inplace=True)(30): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False))(avgpool): AdaptiveAvgPool2d(output_size=(7, 7))(classifier): Sequential((0): Linear(in_features=25088, out_features=4096, bias=True)(1): ReLU(inplace=True)(2): Dropout(p=0.5, inplace=False)(3): Linear(in_features=4096, out_features=4096, bias=True)(4): ReLU(inplace=True)(5): Dropout(p=0.5, inplace=False)(6): Linear(in_features=4096, out_features=1000, bias=True))
)

特征提取部分（features）

• 卷积层与ReLU激活：网络的前半部分主要由卷积层（Conv2d）和ReLU激活函数（ReLU）交替组成。每个卷积层后都紧跟一个ReLU层，用于引入非线性。这种结构有助于网络学习复杂的特征表示。

• 卷积层配置：

  • 初始阶段，使用64个3x3的卷积核，然后是ReLU激活，接着是另一个3x3卷积核和ReLU激活，之后是一个2x2的最大池化层（MaxPool2d），用于降低特征图的尺寸并增加感受野。
  • 类似地，这个过程在特征图的通道数增加到128、256和512时重复，每次增加通道数后都会跟随几个卷积层和ReLU激活，然后是一个最大池化层。
  • 值得注意的是，在512通道的部分，卷积层和ReLU激活的组合被重复了三次，而没有立即进行池化，这可能是为了进一步增强特征表示。

• 最大池化层：用于在每个阶段的末尾减少特征图的尺寸，这有助于减少计算量和参数数量，同时保持重要的特征信息。

全连接层部分（classifier）

• 自适应平均池化：在特征提取部分之后，使用了一个自适应平均池化层（AdaptiveAvgPool2d），将特征图的尺寸调整为7x7。这是为了确保无论输入图像的大小如何，全连接层都能接收到固定大小的输入。

• 全连接层：

  • 第一个全连接层（Linear）将7x7x512的特征图展平为25088个特征，并映射到4096个输出特征上。
  • 接着是两个ReLU激活层、两个Dropout层（用于防止过拟合）和另外两个全连接层，最终输出1000个类别的得分（假设是用于ImageNet分类任务）。

可以看到，最后一层的全连接层的输出是1000，那么当我们有例如十分类的问题时候，就需要对网络进行修改。

 

vgg16_true.add_module('add_linear',nn.Linear(1000,10))

运行上述代码，在末尾加一层线性层，也就是全连接层。

还有一种方式是对原有的全连接层进行修改，将1000改为10。

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

附上所有源代码;

# -*- coding: utf-8 -*-  
# File created on 2024/8/9 
# 作者：酷尔
# 公众号：酷尔计算机import torchvision
from torch import nn
# train_data=torchvision.datasets.ImageNet('./data_imagenet',split='train',download=True,transform=torchvision.transforms.ToTensor())vgg16_false=torchvision.models.vgg16(pretrained=False)
vgg16_true=torchvision.models.vgg16(pretrained=True)# print(vgg16_true)
# import os
#
# # 尝试从环境变量中获取TORCH_HOME
# torch_home = os.getenv('TORCH_HOME', os.path.expanduser('~/.torch'))
# model_cache_dir = os.path.join(torch_home, 'models')
#
# print(f"Model cache directory: {model_cache_dir}")
# 
# # 注意：这个目录可能不直接包含模型文件，因为 PyTorch 可能使用了内部的缓存机制
# # 来管理这些文件，并且它们可能以哈希名存储而不是直接以模型名存储。train_data=torchvision.datasets.CIFAR10('./dataset',train=True,download=True,transform=torchvision.transforms.ToTensor())
vgg16_true.classifier.add_module('add_linear',nn.Linear(1000,10))
# print(vgg16_true)vgg16_false.classifier[6]=nn.Linear(4096,10)
print(vgg16_false)