在实际使用过程中,我们经常对经典网络(比如Resnet、AlexNet等)进行改造,在经典网络的基础上设计我们自己的网络。
情况一:借助model.children()方法
前面讲了可以通过model.children()方法的获取网络的某些层。因此,可以通过以上方法,再加自己的层,得到我们的网络。比如:IDE网络中,我们就是这么做的。如下:
import torchvision.models as models
from torch import nn
from torch.nn import functional as F
import torch
class Resnet50(nn.Module): #要写网络,必须要继承这个库。
def __init__(self, num_classes): #分类数
super().__init__()
resnet50 = models.resnet50(pretrained=False) # 不写self.resnet50是因为不需要在其他的函数中使用。
self.base = nn.Sequential(*list(resnet50.children())[:-2]) #去掉avg pool和fc层
self.classifier = nn.Linear(2048, num_classes)
def forward(self, x):
x = self.base(x)