迁移学习：使用自己的数据集对resnet50预训练模型进行微调

[284513016]

您好
我们参考 https://pytorch.org/tutorials/beginner/transfer_learning_tutorial.html
利用自己的数据集对网络进行微调，我们遇到了困难
普通的resnet通过fc层输出in_featrues，进行微调训练，但是addernet中resnet的fc是conv2d，我不知道如何得到fc层的输入，或者说avgpool的输出。
期待您的回答，非常感谢。

[HantingChen]

你好，fc是conv2d和linear层对finetune没有影响，请参考你链接中Finetuning the convnet部分进行实验。

[284513016]

你好，fc是conv2d和linear层对finetune没有影响，请参考你链接中Finetuning the convnet部分进行实验。

非常感谢您的答复，我没有将问题阐述清楚，链接中Finetuning the convnet部分的
num_ftrs = model_ft.fc.in_features，提取fc中的in_features后进行处理
但是addernet中fc是conv2d，没有in_features这个属性，只有输入输出通道数。
请问我们如何才能从addernet中得到fc的输入特征？
期待您的回复，万分感谢

[HantingChen]

你好，fc是conv2d和linear层对finetune没有影响，请参考你链接中Finetuning the convnet部分进行实验。

非常感谢您的答复，我没有将问题阐述清楚，链接中Finetuning the convnet部分的
num_ftrs = model_ft.fc.in_features，提取fc中的in_features后进行处理
但是addernet中fc是conv2d，没有in_features这个属性，只有输入输出通道数。
请问我们如何才能从addernet中得到fc的输入特征？
期待您的回复，万分感谢

你好，fc中的in_features相当于输入的特征维度，和conv2d中的输入通道数是一样的。