VGG16 pytorch GPU和CPU版 完整代码

VGG16是一个经典的卷积神经网络模型，由牛津大学的研究团队开发，在ImageNet比赛中取得了很好的成绩。在PyTorch中，你可以使用预训练好的VGG16模型，无论是GPU还是CPU版本，通常都会有一个加载模型权重和进行前向传播的示例。

以下是一个简化的例子，展示如何在PyTorch中使用VGG16模型（注意这里只展示了基本的代码结构，实际运行需要安装对应库并导入完整的模型和数据预处理等）：

import torch
from torchvision.models import vgg16

# 加载预训练的VGG16模型（默认是GPU模式）
model = vgg16(pretrained=True)

# 如果你想在CPU上运行，可以设置模型设备为cpu
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)

# 假设我们有输入图像
input_image = ... # 你需要将这行替换为一个合适的图像张量，例如通过PIL读取
input_image = input_image.unsqueeze(0).to(device)  # 添加batch dimension and move to device

# 前向传播
with torch.no_grad():  # 防止梯度计算影响模型性能
    output = model(input_image)
    
# 输出特征图或其他相关信息
features = output features  # 这里假设output是一个包含特征图的字典

#