我有一批医学图像，想对它们进行特征提取。为此，我打算使用预训练的卷积神经网络VGG16。该网络有一系列目标类别，这些类别都是普通物体的名称。我想知道如何修改它以进行特征提取而不是对象分类？我是说应该对其架构进行哪些更改？

回答：

这取决于你使用的语言和框架，你应该在问题中指定这些信息。在PyTorch中，你可以这样做：

original_model = models.vgg19(pretrained=True).eval()feature_extractor = nn.Sequential(*list(original_model.features.children()))normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406],                                 std=[0.229, 0.224, 0.225])img = io.imread("some_image.png")img = transform.resize(img, (224, 224), order=3)img = torch.from_numpy(img)img = img.permute(2, 0, 1)img = normalize(img)img = img.unsqueeze(0)with torch.no_grad():    features = feature_extractor.forward(img)

请注意缩放和归一化，VGG在224×224的归一化图像（使用代码中的值）上表现最佳。