(继)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])

那么，接下来就可以构建我们的网络了：

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.transi