Pytorch 修改预训练网络结构

我们以（inceptionV3）为例：

Pytorch里我们如何使用设计好的网络结构，比如inceptionV3：

import torchvision.models as models

inception=models.inception_v3(pretrained=True)

Pytorch提供了个叫做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)：

inception_layer = nn.Sequential(*list(model.children())[:-2])

目前留下了剔除后两层的网络结构

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

1.  

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