用pytorch搭建AlexNet（微调预训练模型及手动搭建）

最新推荐文章于 2025-05-22 11:06:50 发布

sjtu_leexx

最新推荐文章于 2025-05-22 11:06:50 发布

阅读量1.6w

点赞数 16

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/sjtuxx_lee/article/details/83048006

本文详细介绍了如何在PyTorch环境下搭建AlexNet网络，包括直接微调预训练模型（调整最后一层适应10类任务）和手动构建网络。在手动构建过程中，重点讲解了如何继承torch.nn.Module，定义__init__和forward方法。通过打印预训练模型的结构，展示了如何引用和修改模型层。文章提供了完整的代码示例，演示了网络的搭建和测试，确保维度正确并得到预期的10维输出。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文介绍了如何在pytorch下搭建AlexNet，使用了两种方法，一种是直接加载预训练模型，并根据自己的需要微调（将最后一层全连接层输出由1000改为10），另一种是手动搭建。
构建模型类的时候需要继承自torch.nn.Module类，要自己重写 $__\_\_$ init $__\_\_$ 方法和正向传递时的forward方法，这里我自己的理解是，搭建网络写在 $__\_\_$ init $__\_\_$ 中，每次正向传递需要计算的部分写在forward中，例如把矩阵压平之类的。

加载预训练alexnet之后，可以print出来查看模型的结构及信息：

model = models.alexnet(pretrained=True)
print(model)

在这里插入图片描述
分为两个部分，features及classifier，后续搭建模型时可以也写成这两部分，并且从打印出来的模型信息中也可以看出每一层的引用方式，便于修改，例如model.classifier[1]指的就是Linear(in_features=9216, out_features=4096, bias=True)这层。

下面放出完整的搭建代码：

import torch.nn as nn
from torchvision import models

class BuildAlexNet(nn.Module):
    def __init__(self, model_type, n_output):
        super(BuildAlexNet, self).__init__()