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：
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
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软件开发网。
您可能感兴趣的文章:Pytorch 之修改Tensor部分值方式pytorch构建网络模型的4种方法PyTorch实现更新部分网络,其他不更新