如何在保留层名的同时完善模型？

Question

当我微调一个预先训练过的resnet152模型时，我似乎失去了我想要访问的所有命名层。我已经包括了简单的调优模型代码，以及预先训练和调优的命名层的打印，我想要维护这些层名，这样我就可以在类激活映射中可视化它们的输出。

码

class ConvNet3(nn.Module):

def init(self):
    super().init()

    model = models.resnet152(pretrained=True)
    model.fc = nn.Linear(2048, 10)
    self.model = model
def forward(self, x):        
    return self.model(x) # [batch_size, 10]


import torchvision.models as models
model = ConvNet3().eval()
print([n for n, _ in model.named_children()])

model = models.resnet152(pretrained=True).eval()
print([n for n, _ in model.named_children()])

输出

[‘model’]
[‘conv1’, ‘bn1’, ‘relu’, ‘maxpool’, ‘layer1’, ‘layer2’, ‘layer3’, ‘layer4’, ‘avgpool’, ‘fc’]

Answer 1

层并没有丢失，而是将原始的Resnet模型封装在自己的类中。如果你使用：

print([n for n, _ in model.model.named_children()])

因为Resnet模型存储在model类的ConvNet3属性下。

除非您出于另一个原因需要它，包装类似乎没有必要，更简单的方法是执行如下操作：

model = models.resnet152(pretrained=True)
model.fc = nn.Linear(2048,10)
model.eval()
print([n for n, _ in model.named_children()])