PyTorch封装ResNet18的自定义模型调用parameters报AttributeError求助

你自定义的Model类没有继承PyTorch的nn.Module基类，parameters()、to()、train()等常用模型方法都是nn.Module内置实现的，纯Python自定义类不会自带这些方法，且无法自动注册内部子模块的可训练参数。

最标准的修复方式是让你的自定义模型继承nn.Module，同时在构造函数中先调用父类的初始化方法，修改后的代码如下：

import torch.nn as nn
import torch.nn.functional as F

resnet = resnet18().cuda() #a modified resnet

# 继承nn.Module
class Model(nn.Module):
    def __init__(self, model, pool):
        # 调用父类初始化
        super().__init__()
        self.model = model
        self.pool= pool # 注意自定义的pool类也需要继承nn.Module，其参数才会被自动注册

    def forward(self, sample):
        output = self.model(sample)
        output = self.pool(output)
        output = F.normalize(output, p=2, dim=1)
        return output

修改后的效果：

• 再执行model = Model(model=resnet, pool=pool)，调用list(model.parameters())就可以正常返回resnet和自定义池化层的所有可训练参数，直接传给优化器即可同时训练两部分参数。
• 额外注意：你自定义的池化类也需要继承nn.Module，如果池化类是纯Python类没有继承nn.Module，其内部的可训练参数也不会被识别注册。

如果暂时不想修改类的继承关系，也可以手动拼接参数传给优化器，该方案仅作临时兼容使用，不推荐长期使用：

all_params = list(resnet.parameters()) + list(pool.parameters())
optimizer = torch.optim.Adam(all_params, lr=1e-3)

内容的提问来源于stack exchange，提问作者Khabbab Zakaria