【colab pytorch】提取模型中的某一層

modules()會返回模型中所有模塊的迭代器，它能夠訪問到最內層，比如self.layer1.conv1這個模塊，還有一個與它們相對應的是name_children()屬性以及named_modules(),這兩個不僅會返回模塊的迭代器，還會返回網絡層的名字。

# 取模型中的前兩層
new_model = nn.Sequential(*list(model.children())[:2] 
# 如果希望提取出模型中的所有卷積層，可以像下面這樣操作：
for layer in model.named_modules():
    if isinstance(layer[1],nn.Conv2d):
         conv_model.add_module(layer[0],layer[1])

部分層使用預訓練模型：

model.load_state_dict(torch.load('model.pth'), strict=False)

注意如果保存的模型是 torch.nn.DataParallel，則當前的模型也需要是。

將GPU保存的模型加載到CPU：

model.load_state_dict(torch.load('model.pth', map_location='cpu'))