总结：对经典网络上进行模型改造的方法

 

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)