(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)