pytorch中的pretrain模型网络结构修改

(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.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
    
    

最后，构建一个对象，并加载resnet预训练的参数就可以啦～

    
    
resnet = models.resnet50(pretrained= True)
model = Net(resnet)
    
    

        </div>