append有时加载不出来_Pytorch 部分加载预训练 ResNet-50 模型作为 Backbone

在写 CV 实(lian)验(dan)代码的时，经常需要使用预训练好的 CNN 模型作为自己模型的骨架网络 (Backbone)，其中 VGG-16 和 ResNet-50 是较为常用的两种 Backbone。

在使用 Backbone 时通常会丢弃最后一层全连接，对于具体的任务有时还会有其他的一些修改，因此只需要加载部分预训练模型。

这里介绍部分加载预训练 ResNet-50 的 Pytorch 实现方法。

定义需要使用的部分 ResNet-50 结构

def Conv1p(in_planes, places, stride=2):
    return nn.Sequential(
        nn.Conv2d(in_channels=in_planes, out_channels=places, kernel_size=7, stride=stride, padding=3, bias=False),
        nn.BatchNorm2d(places),
        nn.ReLU(inplace=True),
        nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
    )

def Conv1(in_planes, places, stride=2):
    return nn.Sequential(
        nn.Conv2d(in_channels=in_planes, out_channels=places, kernel_size=7, stride=stride, padding=3, bias=False),
        nn.BatchNorm2d(places),
        nn.ReLU(inplace=True),
#         nn.MaxPool2d(kernel_size=3, stride=2, padding=1)
    )

class Bottleneck(nn.Module):
    def __init__(self,in_places,places, stride=1, downsampling=False, expansion=4):
        super(Bottleneck,self).__init__()
        self.expansion = expansion
        self.downsampling = downsampling

        self.bottleneck = nn.Sequential(