您好，我是从简书过来的，我的网络模型必须用GAP（类似的池化方式），所以我在class ModelOutputs():里面添加了一些代码，可以成功运行，产生结果，但是不知道是否正确（逻辑上）

[antecede]

    class ModelOutputs():
        def __init__(self, model, target_layers):
            self.model = model
            self.feature_extractor = FeatureExtractor(self.model.features, target_layers)

        def get_gradients(self):
            return self.feature_extractor.gradients

        def __call__(self, x):
            target_activations, output = self.feature_extractor(x)

            **### output = self.model.representation(output)**

            output = output.view(output.size(0), -1)
            output = self.model.classifier(output)
            return target_activations, output

[antecede]

我看resnet50是包括avgpool的，但是您的代码中并没有用到，原因是
(conv3): Conv2d(512, 2048, kernel_size=(1, 1), stride=(1, 1), bias=False) (avgpool): AvgPool2d(kernel_size=7, stride=1, padding=0) (fc): Linear(in_features=2048, out_features=1000, bias=True) fc和上面的卷积层大小一样，但是我的必须经过类似avgpool才能使得卷积层和fc层维度一样，所以不知道这样加上avgpool逻辑上是否讲得通

[Caoliangjie]

我看resnet50是包括avgpool的，但是您的代码中并没有用到，原因是 (conv3): Conv2d(512, 2048, kernel_size=(1, 1), stride=(1, 1), bias=False) (avgpool): AvgPool2d(kernel_size=7, stride=1, padding=0) (fc): Linear(in_features=2048, out_features=1000, bias=True) fc和上面的卷积层大小一样，但是我的必须经过类似avgpool才能使得卷积层和fc层维度一样，所以不知道这样加上avgpool逻辑上是否讲得通

您好，这个具体可以根据自己的网络要求进行适配。

[antecede]

您好，我在您的源代码里添加了如下内容： def call(self, x): target_activations, output = self.feature_extractor(x)

        **### output = self.model.representation(output)**

        ### **output** = resnet.avgpool(output).cuda()
        output = output.view(output.size(0), -1)
        output = self.model.classifier(output)
        return target_activations, output

而后对比生成的图片，发现没有肉眼可见的变化，其中如果是pytorch1.0的版本avgpool会报错，这个bug已经在1.1的版本更新了，我所用的是cuda9.0，可以适配pytorch1.0和1.1。 更新pytorch1.1的代码如下：conda install pytorch torchvision cudatoolkit=9.0 -c pytorch