背景：我正在研究一种对抗检测器方法，该方法需要访问每个隐藏层的输出。我从加载了预训练的VGG16 torchvision.models。
要访问每个隐藏层的输出，我将其放入顺序模型中：
vgg16 = models.vgg16(pretrained=True)
vgg16_seq = nn.Sequential(*(
list(list(vgg16.children())[0]) +
[nn.AdaptiveAvgPool2d((7, 7)), nn.Flatten()] +
list(list(vgg16.children())[2])))
如果没有nn.Flatten()，前向方法将抱怨mat1和之间的尺寸不匹配mat2。
我研究了torchvision VGG的实现，它使用了[feature..., AvgPool, flatten, classifier...]结构。由于AdaptiveAvgPool2dlayer和Flattenlayer没有参数，因此我认为这应该起作用，但是我有不同的输出。
output1 = vgg16(X_small)
print(output1.size())
output2 = vgg16_seq(X_small)
print(output2.size())
torch.equal(output1, output2)
问题：它们的尺寸相同，但输出却不同。
torch.Size（[32，1000]）
torch.Size（[32，1000]）
错误
我在AdaptiveAvgPool2d 层之后测试了输出，输出相等：
output1 = nn.Sequential(*list(vgg16.children())[:2])(X_small)
print(output1.size())
output2 = nn.Sequential(*list(vgg16_seq)[:32])(X_small)
print(output2.size())
torch.equal(output1, output2)
torch.Size（[32，512，7，7]）
torch.Size（[32，512，7，7]）
True
有人可以指出出了什么问题吗？谢谢
您需要在进行推断之前调用评估模式。
即
vgg16.eval()
vgg16_seq.eval()
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句