本篇自学笔记来自于b站《PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】》，Up主讲的非常通俗易懂，文章下方有视频连接，如有需要可移步up主讲解视频，如有侵权，实非故意，深表歉意，请与我联系，删除相关内容！
本节将介绍的内容有：1.使用torchvison中定义好的模型 ，2.如何修改定义好的模型，3.保存模型的方式和对应的加载模型的方式。
1.使用定义好的模型（以VGG16为例）
给出官方解释：如图可以看到有两个字段，分别为pretrained和progress，pretrained表示是否使用预训练好的模型，该模型是在ImageNet上训练好的。progress则为是否显示下载进度条。
代码为：分别写了pretrained为true和false的两种情况。
vgg16_false= torchvision.models.vgg16(pretrained=False) vgg16_true = torchvision.models.vgg16(pretrained=True)
2.修改上述模型
首先输出VGG16的网络模型如下：
首先演示给模型的classifier中添加一层Linear层：
vgg16_true.classifier.add_module(name="add_linear",module=nn.Linear(in_features=1000,out_features=10))
其中add_module的官方定义如下，需要给出添加的名字，以及具体添加的某一层的定义。
添加完之后结果如下： 其次也可以在模型中直接修改，接下来展示的是直接修改classifier中（6）Linear层。
vgg16_false.classifier[6] = nn.Linear(in_features=4096,out_features=10)
结果如下：
3.网络模型的保存和加载
保存方式主要有两种，对应的加载方式也是两种，下面展示第一种保存方式，这种保存方式保存了模型的结构和参数。第一个参数为要保存的模型名，第二个参数为要保存的路径。
torch.save(vgg16,"vgg16_method1.pth")
对应的读取方式为：
vgg_method1 = torch.load("vgg16_method1.pth")
读取的结果如下图，可以看到确实保存了模型的结构和参数
第二种保存方式，这种保存方式是以字典的形式保存了模型参数，而不保存模型结构，所以对应的读取方式也会不同。
#保存方式2
#只保存模型参数
torch.save(vgg16.state_dict(),"vgg16_method2.pth")
#对应的读取
vgg16_method2 = vgg16.load_state_dict(torch.load("vgg16_method2.pth"))
print(vgg16_method2)
附视频地址：PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】_哔哩哔哩_bilibili
