pytorch中的pretrain模型网络结构修改

喜欢的话请关注我们的微信公众号~《你好世界炼丹师》。

• 公众号主要讲统计学，数据科学，机器学习，深度学习，以及一些参加Kaggle竞赛的经验。
• 公众号内容建议作为课后的一些相关知识的补充，饭后甜点。
• 此外，为了不过多打扰，公众号每周推送一次，每次4~6篇精选文章。

微信搜索公众号：你好世界炼丹师。期待您的关注。

---

pytorch中的pretrain模型网络结构修改

继上篇文章提出的两种预训练模型的修改方法外，今天在这里推荐我新学习到的一种方法：

这里还是以resnet模型为参考，在去掉预训练resnet模型的后两层(fc层和pooling层)后，新添加一个反卷积层、池化层和分类层。

那么对于网络的修改怎样可以快速的去除model本身的网络层呢？

一个继承nn.module的model它包含一个叫做children()的函数，这个函数可以用来提取出model每一层的网络结构，在此基础上进行修改即可，修改方法如下(去除后两层)：
resnet_layer =nn.Sequential(*list(model.children())[:-2])

完整代码：

class Net(nn.Module):
    def __init__(self , model):
        super(Net, self).__init__()
        #取掉model的后两层
        self.resnet_layer = nn.Sequential(*list(model.children())[:-2])
        self.transion_layer = nn.ConvTranspose2d(2048, 2048, kernel_size=14, stride=3)
        self.pool_layer = nn.MaxPool2d(32)  
        self.Linear_layer = nn.Linear(2048, 8)
    def forward(self, x):
        x = self.resnet_layer(x)
        x = self.transion_layer(x)
        x = self.pool_layer(x)
        x = x.view(x.size(0), -1) 
        x = self.Linear_layer(x)
        return x