• VGG16_Weights.DEFAULT 或 VGG16_Weights.IMAGENET1K_V1：使用在 ImageNet 上训练的权重

import torchvision
from torch import nn

vgg16_false = torchvision.models.vgg16()
vgg16_true = torchvision.models.vgg16(weights='DEFAULT')
print(vgg16_true)
train_data = torchvision.datasets.CIFAR10('./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)

修改 classifier 中 

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

 修改指定

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

模型保存方式

加载方式 

思考data 赋值给imgs,targets 

for data in dataloader:

PyTorch DataLoader 返回的数据格式 第一部分是图像张量信息

第二部分是

• tensor([1, 0, 1, 3, 1, 1, 1, 7, 3, 9, 6, 8, 4, ...])
• 每个数字代表一个类别的索引（从 0 到 9，因为 CIFAR-10 有 10 个类别）。