使用PyTorch从预先训练的VGG16提取的特征中移除填充

使用PyTorch从预先训练的VGG16提取的特征中移除填充,pytorch,transfer-learning,Pytorch,Transfer Learning,我使用预先训练好的vgg16作为U-Net细分模型的主干。我的代码正在运行 很好,但我想知道是否有一种方法可以从要素层中移除填充 在预先训练过的vgg16模型的源代码中,填充似乎设置为1。所以我想知道,在导入预训练模型后,是否有办法改变这一点 例如,在代码中: import torchvision.models as models vgg16 = models.vgg16() conv1 = vgg16.features[0] print(conv1) Conv2d(3, 64, kern

我使用预先训练好的vgg16作为U-Net细分模型的主干。我的代码正在运行 很好,但我想知道是否有一种方法可以从要素层中移除填充

在预先训练过的vgg16模型的源代码中,填充似乎设置为1。所以我想知道,在导入预训练模型后,是否有办法改变这一点

例如,在代码中:

import torchvision.models as models

vgg16 = models.vgg16()
conv1 = vgg16.features[0]

print(conv1)

Conv2d(3, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
我想删除填充,以减少边缘瑕疵的影响

提前谢谢你的建议

我使用预先训练好的vgg16作为U-Net细分模型的主干。我的代码运行良好,但我想知道是否有办法从功能层中删除填充

如果更改预训练模型层(参数)的结构(移除填充),则可以对预训练模型说“再见”