Python 重新使用分类CNN模型进行自动编码-pytorch

我是pytorch的新手，所以我需要一点手感。我试图重新使用一个旧的CNN分类模型——在自动编码器中将已经训练好的卷积层重新用作编码器，然后训练解码器层。下面的代码是我所拥有的

class Autoencoder(nn.Module):
  def __init__(self, model, specs):

    super(Autoencoder, self).__init__()

    self.encoder = nn.Sequential(
        *list(model.conv_layer.children())
        )

    self.decoder = nn.Sequential(
        nn.ConvTranspose2d(in_channels=C7, out_channels=C6, kernel_size=pooling, padding=0),
        nn.ReLU(inplace=True),
        nn.ConvTranspose2d(in_channels=C6, out_channels=C5, kernel_size=pooling, padding=0),
        nn.ReLU(inplace=True),
        nn.ConvTranspose2d(in_channels=C5, out_channels=C4, kernel_size=pooling, padding=0),
        nn.ReLU(inplace=True),
        nn.ConvTranspose2d(in_channels=C4, out_channels=C3, kernel_size=pooling, padding=0),
        nn.ReLU(inplace=True),
        nn.ConvTranspose2d(in_channels=C3, out_channels=C2, kernel_size=pooling, padding=0),
        nn.ReLU(inplace=True),
        nn.ConvTranspose2d(in_channels=C2, out_channels=C1, kernel_size=pooling, padding=0),
        nn.ReLU(inplace=True), 
        nn.ConvTranspose2d(in_channels=C1, out_channels=C0, kernel_size=pooling, padding=0),
        nn.ReLU(inplace=True), 
        nn.ConvTranspose2d(in_channels=C0, out_channels=3, kernel_size=pooling, padding=0),
        nn.ReLU(inplace=True),       
        )
    for param in self.encoder.parameters():
      param.requires_grad = False

    for p in self.decoder.parameters():
      if p.dim() > 1:
        nn.init.kaiming_normal_(p)
        pass

    def forward(self, x):
      x = self.encoder(x)
      x = self.decoder(x)
      return x

然而，我得到了一个“NotImplementedError”。我做错了什么？当我启动该类的实例时，我将传递预训练的CNN分类模型，self.encoder应负责从模型中获取我感兴趣的层（conv_层中的层）。当我：

model = pretrainedCNNmodel
autoencoder = Autoencoder(model, specs)
print(autoencoder)

这张照片看起来不错，它有所有的层次和我所希望的一切，但是当我尝试在上面训练时，我得到了“NotImplementedError:”

编辑 以下是整个错误：

---------------------------------------------------------------------------
NotImplementedError                       Traceback (most recent call last)
<ipython-input-20-9adc467b2472> in <module>()
      2 optimizer = torch.optim.Adam(model.parameters(), lr=learning_rate, weight_decay=L2_lambda)
      3 
----> 4 train(x, train_loader, test_loader, optimizer, criterion)

2 frames
<ipython-input-5-b25edb14cf5f> in train(model, train_loader, test_loader, optimizer, criterion)
     15       data, target = data.cuda(), target.cuda()
     16       optimizer.zero_grad()
---> 17       output = model(data)
     18       loss = criterion(output, target)
     19       loss.backward()

/usr/local/lib/python3.6/dist-packages/torch/nn/modules/module.py in __call__(self, *input, **kwargs)
    530             result = self._slow_forward(*input, **kwargs)
    531         else:
--> 532             result = self.forward(*input, **kwargs)
    533         for hook in self._forward_hooks.values():
    534             hook_result = hook(self, input, result)

/usr/local/lib/python3.6/dist-packages/torch/nn/modules/module.py in forward(self, *input)
     94             registered hooks while the latter silently ignores them.
     95         """
---> 96         raise NotImplementedError
     97 
     98     def register_buffer(self, name, tensor):

NotImplementedError: 

---------------------------------------------------------------------------
NotImplementedError回溯（最后一次调用）
在（）
2 optimizer=torch.optim.Adam（model.parameters（），lr=learning\u rate，weight\u decay=L2\u lambda）
3.
---->4列（x、列装载机、测试装载机、优化器、标准）
2帧
列车内（模型、列车装载机、测试装载机、优化器、标准）
15数据，target=data.cuda（），target.cuda（）
16优化器0_grad（）
--->17输出=模型（数据）
18损失=标准（输出、目标）
19.损失向后（）
/usr/local/lib/python3.6/dist-packages/torch/nn/modules/module.py in_u_________（self，*input，**kwargs）
530结果=self.\u slow\u forward（*输入，**kwargs）
531其他：
-->532结果=自我转发（*输入，**kwargs）
533用于钩住自身。\u向前\u钩住.values（）：
534钩子结果=钩子（自身、输入、结果）
/usr/local/lib/python3.6/dist-packages/torch/nn/modules/module.py前进（self，*输入）
94个已注册的钩子，而后者会默默地忽略它们。
95         """
--->96升起未执行错误
97
98 def寄存器缓冲区（自身、名称、张量）：
未实现错误：

由于您在这个问题上有悬赏，所以无法关闭。但是，在中已经提出并回答了完全相同的问题

基本上，代码中存在缩进问题：

forward

方法缩进，使其位于

\uuuu init\uuuu

方法中，而不是

自动编码器

类的一部分

---

请查看以了解更多详细信息。

请显示导致错误的代码。传递给train函数的确切内容是什么？检查

x

是否实际是一个模型实例。这是否回答了您的问题？谢谢，成功了。我不敢相信是这样的。我到处寻找，错误就在我面前。一旦我被允许如果我们愿意分配赏金，我会给你的