Deep learning 利用预训练VGG-16从图像中提取特征向量

我想通过将图像通过预先训练过的VGG-16来获得图像的特征向量。我使用经过预训练的Resnet50来获得一个特征向量，这非常有效。但是当我用同样的方法从VGG-16网络中得到一个特征向量时，我没有得到4096-d向量，我认为我应该得到。我从各种来源获得了代码，代码如下：

vgg16_model=models.vgg16(pretrained=True)
modules=list(vgg16_model.children())[:-1]
vgg16_model=nn.Sequential(*modules)

data=moveaxis(data,2,0)
img_var=Variable(torch.from_numpy(data).unsqueeze(0)).float()
features_var=vgg16_model(img_var)
features=features_var.data
features=features.data.numpy()
print(features.shape)

变量

“data”

是维度

（3004003）

因此，我使用移动轴来混淆轴，因此我有3个通道，而不是300个通道。 我得到的输出（

features.shape

）是：

（1512,7,7）

我想要一个4096-d向量，就像VGG-16在softmax层之前给出的那样。 我甚至尝试了

列表（vgg16_model.classifier.children（））[：-1]

方法，但效果也不太好。关于这一点有很多讨论，但没有一个对我有用。让我知道我可能会出错的地方。谢谢大家!