net.layer.children

仅用于个人纪录

已于 2022-07-07 17:50:04 修改

阅读量191

点赞数

文章标签：深度学习人工智能

于 2022-03-16 20:03:58 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_43444314/article/details/123524754

版权

本文深入探讨了深度学习网络中layer.children属性，揭示了如何通过它来理解和操作神经网络的层次结构，这对于理解和调整模型至关重要。通过实例解析，展示了如何遍历并修改这些子节点，以实现模型定制和优化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import pretrainedmodels
base_model='resnet101'
base_model=pretrainedmodels.__dict__[base_model](num_classes=1000,pretrained='imagenet')
n_segment_list=[n_segment]*4
isinstance(base_model,torchvision.models.ResNet) # True
stage=net.layer1
blocks=list(stage.children())
print(blocks)

Sequential(
  (0): Bottleneck(
    (conv1): Conv2d(64, 64, kernel_size=(1, 1), stride=(1, 1), bias=False)
    (bn1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
    (conv2): Conv2d(64, 64, kernel_size=(3,