如何查看pytorch模型结构

事情的起因是这样的：这段时间需要查看一下网络内部的具体工作方式，所以需要重新使用cifar10训练一个网络。正好前两天读了一下resnet在pytorch中的官方实现，发现其中用了一个AdaptiveAvgPool2d导致网络输入可以被视为任意的，因此我直接用torchvision.models定义的resnet18进行训练。开始一切都很顺利，但是过拟合严重，正确率到55%左右，loss再降但是acc就不升高了。我以为是我的参数没对，找到【Pytorch】ResNet-18实现Cifar-10图像分类进行测试。真香，人家代码就是好。但是我进一步发现不对啊，我的代码换成他的参数，还是不对（实测效果好不少，但是训练不稳定，而且收敛速度远远慢于它）。难道是模型有问题？ 换了模型，真香too，人家的模型真好用。不过官方给我的resnet18难道有错？？？然后在滚滚暖风（容易困）下我开始了模型内部的掉坑，爬出坑，把坑填上土的工作（其实我现在还没填上，只知道我掉到哪个坑了）。 最开始我通过：

for name, value in model.named_parameters():
    print('name: {0},\t grad: {1}'.format(name, value.requires_grad))

查看每一层的情况。为什么用这段代码？直接打印出网络，输出太多，不好看（其实是暖风吹得想睡觉，懒得看）。

粗略一看，两个网络一样啊，层数相同，结构一摸一样，就是每一层的名字不一样。其中几步不一样的地方回去看源码，结构定义也一摸一样。所以深深陷入了夜宵，哦不，沉思。仔细看第二和第三层不一样，但是我觉得这点问题会影响这么大？不应该吧。我在这方面的直觉一向很准。（其实这半年以来所有的实验结果我就没有一个事先预测正确的）。今天开完会回来，又想了想，肯定不是我的直觉错误（蜜汁自信），是结构什么地方我看落了。故查资料，看到了一个工具。

from torchsummary import summary
summary(model, (3, 32, 32))

没装这个工具的话，pip很快就能装好。打印一看，我就说机智如我（瞎猫碰上了死耗子）果然模型结构不对。

明显发现前面几层的通道数不对，而且官方的resnet在开始使用了较少的参数，保证对224**224图片测试的时候显存不会占用过多。但是这些措施在cifar10上就只能起反作用，可以看到后面的卷积基本是11的feath_map。后面的层就基本没用了。 看一下怎么修改了，如果全改的话我开始瞎造的很多轮子就都用不了了。