如何修改ResNet18的卷积层？含基础模块第二层卷积修改方法咨询

问题描述 #

我有一个包含20类别的数据集，想要修改预训练的ResNet18模型。我知道可以通过以下代码把ResNet18最后一层线性层改成适配20分类（替换原来的1000分类）：

resnet.fc = nn.Linear(512, 20)

但我不知道怎么访问其他层，比如BasicBlock里的第二层卷积。当我调用resnet.layer1时，得到的结构如下：

Sequential(
  (0): BasicBlock(
    (conv1): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
    (bn1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
    (relu): ReLU(inplace=True)
    (conv2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
    (bn2): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
  )
  (1): BasicBlock(
    (conv1): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
    (bn1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
    (relu): ReLU(inplace=True)
    (conv2): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
    (bn2): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
  )
)

请问怎么获取并修改其中的conv2层？

解决方案 #

1. 直接访问目标conv2层 #

ResNet的layer1是Sequential容器，里面的每个元素都是BasicBlock实例，每个BasicBlock的子层都有明确命名。你可以通过索引+属性名直接定位：

• 获取layer1中第一个BasicBlock的conv2：

  conv2_block0 = resnet.layer1[0].conv2
  

• 获取layer1中第二个BasicBlock的conv2：

  conv2_block1 = resnet.layer1[1].conv2
  

2. 修改conv2层 #

要替换这个卷积层，直接重新赋值即可。比如把输出通道改成128：

# 替换第一个BasicBlock的conv2
resnet.layer1[0].conv2 = nn.Conv2d(64, 128, kernel_size=(3,3), stride=(1,1), padding=(1,1), bias=False)

# 替换第二个BasicBlock的conv2
resnet.layer1[1].conv2 = nn.Conv2d(64, 128, kernel_size=(3,3), stride=(1,1), padding=(1,1), bias=False)

3. 批量修改所有BasicBlock的conv2（可选） #

如果需要修改模型中所有BasicBlock的conv2层，可以遍历模型的子模块：

from torchvision.models.resnet import BasicBlock

for module in resnet.modules():
    if isinstance(module, BasicBlock):
        # 这里示例将输出通道改为128，可根据需求调整参数
        module.conv2 = nn.Conv2d(64, 128, kernel_size=(3,3), stride=(1,1), padding=(1,1), bias=False)

内容的提问来源于stack exchange，提问作者Rainbow