Pytorch:将VGG模型转换为顺序模型，但得到不同的输出

Question

背景：我正在研究一种对抗性检测器方法，该方法需要访问每个隐藏层的输出。我从torchvision.models加载了一个预训练的VGG16。

为了访问每个隐藏层的输出，我将其放入一个顺序模型中：

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()，正向方法将抱怨mat1和mat2之间的尺寸不匹配。

我研究了torchvisionVGG实现，它使用[feature..., AvgPool, flatten, classifier...]结构。由于AdaptiveAvgPool2d层和Flatten层没有参数，我认为这应该有效，但我有不同的输出。

output1 = vgg16(X_small)
print(output1.size())
output2 = vgg16_seq(X_small)
print(output2.size())
torch.equal(output1, output2)

问题：它们处于同一维度，但输出不同。

火炬。尺寸([321000](
焊炬。大小([321000](
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)

火炬。尺寸([32552，7，7](
焊炬。大小([32552，7，7](
True

有人能指出哪里出了问题吗？谢谢

Answer 1

在进行推理之前，需要调用eval模式。

即

vgg16.eval()
vgg16_seq.eval()