pytorch 更改预训练模型网络结构的方法

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

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)

以上这篇pytorch 更改预训练模型网络结构的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。