当我微调预训练的resnet152模型时，似乎失去了所有我希望访问的命名层。我已经包含了简单的微调模型代码，以及预训练和微调模型的命名层输出。我希望保留层名称，以便在类激活图中可视化它们的输出。

代码

class ConvNet3(nn.Module):def init(self):    super().init()    model = models.resnet152(pretrained=True)    model.fc = nn.Linear(2048, 10)    self.model = modeldef forward(self, x):            return self.model(x) # [batch_size, 10]import torchvision.models as modelsmodel = 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’]

回答：

层并没有丢失，你是将原始的Resnet模型封装在你自己的类中。如果你使用：

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

因为Resnet模型存储在ConvNet3类的model属性下。

除非你出于其他原因需要它，否则包装类似乎是多余的，更简单的做法可以如下所示：

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