在 VGG 模型上用平均池化层替换最大池化层

Question

我正在关注这篇文章，并尝试实现此功能：

def replace_max_pooling(model):
 '''
 The function replaces max pooling layers with average pooling layers with 
 the following properties: kernel_size=2, stride=2, padding=0.
 '''
 for layer in model.layers:
    if layer is max pooling:
        replace

但是我在迭代中得到一个错误说：

ModuleAttributeError: 'VGG' 对象没有属性 'layers'...

我怎样才能正确地做到这一点？

Answer 1

Torchvision 提供的 VGG 模型包含三个组件：features子模块avgpool（自适应平均池）和classifier. 你需要寻找到网络的头部，其中卷积和泳池层位于：features。

您可以在各层循环nn.Module使用named_children()。但是，还有其他方法可以解决此问题。您可以使用它isinstance来确定图层是否属于特定类型。

在这个特定模型中，层由那里的索引命名。因此，为了在 中找到适当的层nn.Module并覆盖它们，我们可以将名称转换为 int。

for i, layer in m.features.named_children():
    if isinstance(layer, torch.nn.MaxPool2d):
        m.features[int(i)] = nn.AvgPool2d(kernel_size=2, stride=2, padding=0)

预先设置：

import torch
import torch.nn as nn
m = models.vgg16()