输出model的具体层及细节设置--torch实现

def resnet32():
    返回一个resnet20的类


if __name__ == "__main__":
    for net_name in __all__:
        if net_name.startswith('resnet'):
            #print(net_name)
            test(globals()[net_name]())
            print(resnet20())# 我自己的加的，输出resnet20的具体层
    #####################################################################################################
    # TODO 控制台显示模型的具体参数和优化器
    model = resnet20()
    print('"model"的 state_dict:')
    for param_tensor in model.state_dict():
        print(param_tensor, "\t", model.state_dict()[param_tensor].size())
    import torch.optim as optim
    optimizer = optim.SGD(model.parameters(),
                          lr=0.1, momentum=0.9,
                          weight_decay=5e-4,
                          nesterov=True)
    print("Optimizer's state_dict:")
    for var_name in optimizer.state_dict():
        print(var_name, "\t", optimizer.state_dict()[var_name])
    ####################################################################################################

在测试集进行测试时

model.eval()
# todo 固定归一化层和BN层，为了得到相同的inference结果