废话不多说,直接看代码(qq:846801669)
import torch
import torch.nn as nn
from torchvision import models, transforms, datasets
from torchvision.utils import make_grid
from torch.utils.tensorboard import SummaryWriter
from PIL import Image
'''动起手来就已经成功一半了'''
net = models.vgg16_bn(pretrained=True).eval() # 用预训练好的vgg16可视化lenna图片各层features map
'''我要利用net这个模型实例重建一个模型,大改net的话问题太多了'''
class Map(nn.Module):
def __init__(self):
super(Map, self).__init__()
self.model = nn.Sequential()
self.names = []
i = j_1 = j_2 = j_3 = j_4 = 1
# 卷积-BN-激活-池化(遇到池化就划分一截)为一个部分,用i表示;j_1,2,3,4表示每个部分内的卷积,BN,激活,池化
'''实验过后发现,a=b=1,对a变化不影响b,尽管id一样;a,b=1,1时也不会相互影响'''
for layer in net.features.children(): # 我们不需要classifier中的全连接等层(这个for循环主要就是为了给每层重新起个名字