pytorch自带有一些高级的复杂模型，我们可以通过 torchvision.models 调用，例如torchvision.models.densenet169(pretrained=True)就调用了densenet169的预训练模型。
1 查看网络结构
model = models.densenet169()
# 查看网络结构
print(model)
out：
结构很长，所以只截图了最后一部分，我们可以发现这个模型的输出单元有1000个，也就是说这是一个1000分类的模型。
2 修改模型（分类数目）
由上一章我们得知这是一个1000分类的模型，那么如果我想训练一个二分类的模型，该如何进行修改？
我们可以看到，最后一层的名字叫做 classifier ，因为我们可以通过引用最后一层进行修改：
#提取最后一层层中的输入神经元数目
in_features = model.classifier.in_features
#修改类别为2
model.classifier = nn.Linear(in_features, 2)
print(model)
就好了:
可以看到最后一层输出单元数变成2了。
同理，我要是想修改中间的某一层，只要我知道它的名称，就可以进行修改了。
3 读取模型参数
和正常模型一样，用 model.state_dict() 读取所有参数。
model.state_dict()
out：
需要注意的是，他这里生产的词典的 key 值，有特殊的命名方式，如果我想查看第2章中最后一层的 bias，可以这样操作：
4 保存模型
参考：
https://blog.csdn.net/weixin_36670529/article/details/105910572
https://blog.csdn.net/whut_ldz/article/details/78845947
https://blog.csdn.net/u012494820/article/details/79068625