題目引入

為了方便，我們用Sequential定義一個卷積神經網路中，例如

	self.fc = nn.Sequential(   
	       nn.Upsample(scale_factor=2,mode='nearest'),   
	       nn.Conv2d(512,512,3,1,1,bias=False), 
	       nn.BatchNorm2d(512),
	       nn.ReLU(True),
       	   …………

那麼我們如何檢視諸如nn.Conv2d(512,512,3,1,1,bias=False)這一層輸出的大小呢？
方法就是定義一個列印函式並定義一個符合規格的假資料，然後迴圈輸出。

程式碼

    def printInfo(self):
        x = torch.rand([3,512,1,1])
        for name, module in self.fc.named_children():
            x = module(x)
            if isinstance(module,nn.Upsample):
                print("Upsample({}) : {}".format(name,x.shape))
            elif isinstance(module,
 
nn.Conv2d):
                print("Conv2d({}) : {}".format(name,x.shape))

這樣，只需要使用model.printInfo()就可以輸出我們所關心的某幾層的特徵圖規格。
如下圖，第一行諸如Upsample後面的數字就是nn.Sequential對應的層號