Pytorch中的VGG实现修改最后一层FC( 二 ) _Pytorch

features.2.bias 64
features.5.weight 73728
features.5.bias 128
features.7.weight 147456
features.7.bias 128
features.10.weight 294912
features.10.bias 256
features.12.weight 589824
features.12.bias 256
features.14.weight 589824
features.14.bias 256
features.17.weight 1179648
features.17.bias 512
features.19.weight 2359296
features.19.bias 512
features.21.weight 2359296
features.21.bias 512
features.24.weight 4718592
features.24.bias 512
features.26.weight 9437184
features.26.bias 512
features.28.weight 9437184
features.28.bias 512
classifier.0.weight 102760448
classifier.0.bias 4096
classifier.3.weight 16777216
classifier.3.bias 4096
classifier.6.weight 4096000
classifier.6.bias 1000
```
我们可以看到，VGG16模型共有138,357,544个参数，其中大部分集中在最后一个全连接层。因此，如果我们想要修改VGG的最后一层，我们需要重新定义一个新的全连接层，并将其替换掉原来的全连接层。
2. 修改VGG的最后一层全连接层
在Pytorch中，我们可以通过以下代码定义一个新的全连接层：
```python
import torch.nn as nn
num_classes = 10 # 修改为自己的分类数
fc = nn.Linear(4096, num_classes)
```
在以上代码中，我们将输出大小修改为了num_classes，以适应自己的任务。接下来，我们需要将新的全连接层替换掉原来的全连接层，以便于训练和测试我们的模型。在Pytorch中，我们可以使用以下代码实现：
```python
vgg16.classifier[6] = fc
```
运行以上代码，我们成功地将VGG16模型的最后一个全连接层替换成了新的全连接层。现在，我们可以使用新的全连接层来训练和测试我们的模型了。
3. 修改VGG的其他层
除了最后一个全连接层，我们有时候也需要修改VGG的其他层来适应自己的任务。例如，在目标检测任务中，我们可以将VGG的最后一层全连接层替换成一个卷积层和一个池化层，以便于生成不同大小的特征图。在Pytorch中，我们可以使用以下代码实现：
```python
import torch.nn as nn
num_classes = 10 # 修改为自己的分类数
class VGG16(nn.Module):
def __init__(self, num_classes):
super(VGG16, self).__init__()
self.features = nn.Sequential(
nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1),
nn.ReLU(inplace=True),
nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1),
nn.ReLU(inplace=True),
nn.MaxPool2d(kernel_size=2, stride=2),
nn.Conv2d(64, 128, kernel_size=3, stride=1, padding=1),
nn.ReLU(inplace=True),
nn.Conv2d(128, 128, kernel_size=3, stride=1, padding=1),
nn.ReLU(inplace=True),
nn.MaxPool2d(kernel_size=2, stride=2),
nn.Conv2d(128, 256, kernel_size=3, stride=1, padding=1),
nn.ReLU(inplace=True),
nn.Conv2d(256, 256, kernel_size=3, stride=1, padding=1),
nn.ReLU(inplace=True),
nn.Conv2d(256, 256, kernel_size=3, stride=1, padding=1),
nn.ReLU(inplace=True),
nn.MaxPool2d(kernel_size=2, stride=2),
nn.Conv2d(256, 512, kernel_size=3, stride=1, padding=1),
nn.ReLU(inplace=True),
nn.Conv2d(512, 512, kernel_size=3, stride=1, padding=1),
nn.ReLU(inplace=True),
nn.Conv2d(512, 512, kernel_size=3, stride=1, padding=1),
nn.ReLU(inplace=True),
nn.MaxPool2d(kernel_size=2, stride=2),
nn.Conv2d(512, 512, kernel_size=3, stride=1, padding=1),
nn.ReLU(inplace=True),
nn.Conv2d(512, 512, kernel_size=3, stride=1, padding=1),
nn.ReLU(inplace=True),
nn.Conv2d(512, 512, kernel_size=3, stride=1, padding=1),
nn.ReLU(inplace=True),
nn.MaxPool2d(kernel_size=2, stride=2),
)
self.avgpool = nn.AdaptiveAvgPool2d((7, 7))

Pytorch中的VGG实现修改最后一层FC( 二 )

推荐阅读

《柯南》偶像们的秘密中，哪里有说女明星暗恋新一啊？

紫蝉花的养殖方法和注意事项

为销售加油打气的句子为销售加油打气的句子精选

吃鲫鱼有什么好处吃鲫鱼的四大好处

形容父子关系很好的句子（形容父子关系很好的句子如下）

直通车排查下架是什么？下架多久恢复？

为了来自和谐而奋斗txt百度云，只要连接

躲春自己家人也要避开吗？

在厦门工作，户口可以挂靠厦门人才市场吗？

此生与你生死相依是什么意思

一道测试题告诉你如何减压

冬笋的种植方法（冬笋的种植方法介绍）

和田玉的成分是

手提电脑如何设置无线上网具体步骤总结如下

减肥期间可以吃一些南瓜吗？

适合玩大型游戏的电脑配置

微信怎样识别支付宝二维码如何使用微信识别支付宝二维码

角瓜怎么做好吃（角瓜做法步骤）

“开封一日游”怎么安排

亚洲山龟认识主人吗