小土堆pytorch--现有网络模型的使用及修改

一级目录

二级目录

三级目录

现有网络模型的使用及修改

1.VGG16模型

VGG16网络模型简介

VGG16是2014年由牛津大学视觉几何组（Visual Geometry Group, VGG）提出的卷积神经网络（CNN）模型，在当年的ImageNet大规模视觉识别挑战赛（ILSVRC）中获得亚军。它以结构简洁、层次深、特征表达能力强著称，是深度学习领域的经典模型之一，常用于图像分类、目标检测等任务的特征提取。

核心特点

1. 深度结构

   • 由16个可训练的权重层组成（包括13个卷积层和3个全连接层），网络层次较深，通过堆叠多个小尺寸卷积核（3×3）来增加网络深度和非线性表达能力。
   • 相比早期使用大尺寸卷积核（如AlexNet的11×11）的模型，VGG16通过小卷积核的组合（两个3×3卷积核相当于1个5×5的感受野，三个3×3相当于1个7×7的感受野），在减少参数的同时增强特征提取能力。

2. 简洁的网络设计

   • 整体结构统一，采用卷积层+池化层交替堆叠的模式：
     • 卷积层：均使用3×3卷积核，步长为1， padding为1（保持特征图尺寸不变），激活函数为ReLU。
     • 池化层：均使用2×2最大池化（Max Pooling），步长为2，用于下采样和减少计算量。

3. 全连接层与分类

   • 最后3层为全连接层，前两层各有4096个神经元，第三层有1000个神经元（对应ImageNet的1000类分类任务），通过Softmax激活函数输出分类概率。

网络结构细节

以下是VGG16的层结构概览（以输入224×224 RGB图像为例）：

层类型	尺寸/数量	说明
输入层	224×224×3	输入图像（RGB三通道）
卷积块1
卷积层	64×3×3×2	2个3×3卷积核，输出64通道，ReLU激活
最大池化层	2×2，步长2	输出尺寸变为112×112×64
卷积块2
卷积层	128×3×3×2	2个3×3卷积核，输出128通道，ReLU激活
最大池化层	2×2，步长2	输出尺寸变为56×56×128
卷积块3
卷积层	256×3×3×3	3个3×3卷积核，输出256通道，ReLU激活
最大池化层	2×2，步长2	输出尺寸变为28×28×256
卷积块4
卷积层	512×3×3×3	3个3×3卷积核，输出512通道，ReLU激活
最大池化层	2×2，步长2	输出尺寸变为14×14×512
卷积块5
卷积层	512×3×3×3	3个3×3卷积核，输出512通道，ReLU激活
最大池化层	2×2，步长2	输出尺寸变为7×7×512
全连接层
全连接层	4096神经元	ReLU激活，Dropout（防止过拟合）
全连接层	4096神经元	ReLU激活，Dropout
全连接层	1000神经元	Softmax激活，输出分类概率

优缺点与应用

• 优点：

  • 结构简单、层次分明，易于复现和修改，是研究CNN网络深度影响的经典基准。
  • 特征表达能力强，预训练权重可迁移到其他视觉任务（如目标检测、图像分割）中进行迁移学习。

• 缺点：

  • 参数总量较大（约1.38亿参数），计算复杂度高，训练需要大量显存和时间。
  • 全连接层占参数比例高，对输入图像尺寸敏感（需固定为224×224）。

• 应用场景：

  • 图像分类（如ImageNet）、目标检测（如Faster R-CNN中作为特征提取骨干网络）、图像特征提取等。

变种与后续发展

VGG系列还包括VGG11、VGG13、VGG19等变种，主要区别在于卷积层的数量（如VGG19有19个权重层）。尽管VGG模型在现代任务中逐渐被更高效的网络（如ResNet、EfficientNet）取代，但其设计思想（如小卷积核堆叠、层次化特征提取）对后续CNN发展具有深远影响。

2. 使用vgg16模型

import torchvision
from torch import nnvgg16 = torchvision.models.vgg16(pretrained=False)
vgg_true = torchvision.models.vgg16(pretrained=True) # 预训练，保留参数print(vgg_true)

可以看到vgg网络模型有1000个特征输出
我们可以通过一下方法对网络模型的结构进行修改，让网络模型有10个特征输出

import torchvision
from torch import nnvgg16_false = torchvision.models.vgg16(pretrained=False)
vgg16_true = torchvision.models.vgg16(pretrained=True) # 预训练，保留参数# print(vgg_true)
train_data = torchvision.datasets.CIFAR10("./das",train=True, transform=torchvision.transforms.ToTensor(),download=True)vgg16_true.classifier.add_module('add_linear', nn.Linear(1000,10)) # 添加一层
print(vgg16_true)