1、在github中可以很容易找到Resnet和VGG的网络结构，以pytorch中导入Resnet和VGG的神经网络模型的参数为例，其中左图为Resnet的网络结构，右图为VGG的网络结构。
2、Resnet和VGG的网络结构训练的数据集是人脸表情数据集FER2013，下图所示为Resnet和VGG分类FER2013的参数模型。
3、进入windows的cmd界面，把目录切换到模型参数导入的程序文件夹下，并激活带有pytorch的虚拟环境。
4、如下图程序所示，引入VGG网络结构，并把VGG训练FER2013的模型参数导入的网络中，并且将参数导入到CUDA中，利用GPU进行加速计算。
5、下图为导入VGG网络结构，以及FER2013_VGG的模型参数导入网络的输出结果。
6、如下图程序所示，引入Resnet的网络结构，并把Resnet训练FER2013的模型参数导入的网络中，并且将参数导入到CUDA中，利用GPU进行加速计算。
7、下图为导入Resnet网络结构，以及FER2013_Resnet的模型参数导入网络的输出结果。
8、模型参数导入的最重要的命令为checkpoint = torch.load()和model.load_state_dict(checkpoint['net'])，输出的结果如下所示，可以看到所有导入网络参数的具体数值。
