【问题探究】torchvision实践中特征提取的问题的纪录（待解决）

前言：

{

    最近在调试一个包括efficientnet[1]的网络，其中efficientnet部分被用来做特征提取。我在尝试把efficientnet换成torchvision[2]中的其他网络。但是在第一次尝试resnet101时就发现了这个问题。

}

 

正文：

{

    在阅读torchvision中的resnet部分的源码[3]后，我发现这里貌似不提供提取特征的方法，运行计算的方法只有forward()（代码1），但是forward输出的是最后的类别向量，而我需要的是特征图。

#代码1，resnet

def forward(self, x):
    x = self.conv1(x)
    x = self.bn1(x)
    x = self.relu(x)
    x = self.maxpool(x)

    x = self.layer1(x)
    x = self.layer2(x)
    x = self.layer3(x)
    x = self.layer4(x)

    x = self.avgpool(x)
    x = torch.flatten(x, 1)
    x = self.fc(x)

    return x

    我想了一下，修改torchvision的原代码不是很容易，我决定在我的代码里对ResNet类或其实例进行修改。添加提取特征的成员函数或修改forward()都不是很方便，因为就像代码1展示的那样，每种网络都有特定的结构，这样做的话我需要为所有我使用的torchvision模型做单独修改。

<