[Python | pytorch | torchvision ] models like ResNet... 命名变量说明

明明变量说明 num_ftrs

在 PyTorch 深度学习模型中，num_ftrs 是一个常用的变量命名，它是 "number of features"（特征数量）的缩写。

这个变量通常出现在以下场景中：

主要用途

在迁移学习场景中最常见，特别是当你使用预训练模型（如 ResNet、VGG、AlexNet 等）并修改最后的分类层时：

import torch.nn as nn
import torchvision.models as models

# 加载预训练模型
model = models.resnet18(pretrained=True)

# 获取全连接层的输入特征数
num_ftrs = model.fc.in_features  # 例如 ResNet18 中为 512

# 替换最后的分类层
model.fc = nn.Linear(num_ftrs, num_classes)  # num_classes 是你的新类别数

为什么需要它？

• 预训练模型的最后分类层通常是针对原始数据集（如 ImageNet 的 1000 类）设计的
• 当你进行迁移学习时，需要将最后的分类层替换为适合你任务的输出大小
• num_ftrs 保存了前一层输出的特征数量，作为新分类层的输入维度

其他常见场景

• 在特征提取器中表示提取的特征向量维度
• 在自定义网络架构中表示某层的输出特征数
• 在连接不同模块时作为维度参数

这是一种命名约定，帮助开发者清晰地表达"这里是一个特征数量的参数"，而不是使用更模糊的变量名如 n 或 size。