如何查找torchvision预训练模型的层名称，获取Deeplabv3 resnet50最终ReLU层

方法1：遍历输出所有ReLU层名称（通用所有模型） #

运行如下代码可直接输出模型中所有ReLU层的完整路径名称，最后一个输出项即为最终ReLU层：

import torch
import torchvision
from torchvision.models.segmentation import deeplabv3_resnet50

# 加载预训练模型
model = deeplabv3_resnet50(pretrained=True)
model.eval()

# 遍历打印所有ReLU层的名称
for name, module in model.named_modules():
    if isinstance(module, torch.nn.ReLU):
        print(f"ReLU层名称：{name}")

你也可以修改代码中的判断条件，搜索其他类型的层。

方法2：直接使用官方预训练模型的默认层名 #

标准torchvision实现的Deeplabv3 ResNet50，常用的两个目标ReLU层名称如下：

• 大部分语义分割GradCAM场景使用的backbone输出端最后一个ReLU层：名称为 backbone.layer4.2.relu
• 分割头输出前的classifier模块内最后一个ReLU层：名称为 classifier.3

以下是Captum调用的示例代码：

from captum.attr import LayerGradCam

# 两种获取目标层的方式二选一
# 方式1：直接通过属性获取
target_layer = model.backbone.layer4[2].relu
# 方式2：通过层名字符串获取
target_layer = model.get_submodule("backbone.layer4.2.relu")

# 初始化GradCAM
grad_cam = LayerGradCam(model, target_layer)

内容的提问来源于stack exchange，提问作者Alex