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：
classNet(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) defforward(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) returnx
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毛票票。