获取pytorch模型中未由nn.Sequential定义的某些层

我有一个网络定义如下

class model_dnn_2(nn.Module):
    def __init__(self):
        super(model_dnn_2, self).__init__()
        self.flatten = Flatten()
        self.fc1 = nn.Linear(784, 200)
        self.fc2 = nn.Linear(200, 100)
        self.fc3 = nn.Linear(100, 100)
        self.fc4 = nn.Linear(100, 10)

    def forward(self, x):
        x = self.flatten(x)
        x = self.fc1(x)
        x = F.relu(x)
        x = self.fc2(x)
        x = F.relu(x)
        x = self.fc3(x)
        x = F.relu(x)
        x = self.fc4(x)

我想带上最后两层以及relu函数。使用

children

方法，我得到以下结果

>>> new_model = nn.Sequential(*list(model.children())[-2:])
>>> new_model
Sequential(
  (0): Linear(in_features=100, out_features=100, bias=True)
  (1): Linear(in_features=100, out_features=10, bias=True)
)

但我希望在层与层之间提供Relu功能，就像原始模型一样，即新模型应如下所示：

>>> new_model
Sequential(
  (0): Linear(in_features=100, out_features=100, bias=True)
  (1): Relu()
  (2): Linear(in_features=100, out_features=10, bias=True)
)

我认为模型的

子类

方法是使用类初始化来创建模型，因此问题就出现了

---

如何获取模型？

按照您实现模型的方式，

ReLU

激活不是层次，而是功能。列出模块的子层（也称为“子层”）时，您不会看到

ReLU

s

您可以更改您的实现：

类模型dnn 2（nn.模块）：
定义初始化（自）：
super（model_dnn_2，self）。uuu init_uuu（）
self.layers=nn.Sequential(
nn.flatte（），
nn.线性（784200），
nn.ReLU（），#现在您正在使用一个ReLU层_
nn.线性（200100），
nn.ReLU（），#这是一个不同的ReLU层_
nn.线性（100100），
nn.ReLU（），
nn.线性（100,10）
)
def前进（自身，x）：
y=自分层（x）
返回y

更多关于层和函数之间差异的信息可以找到