h1 { counter-reset: h2counter; }
h2 { counter-reset: h3counter; }
h3 { counter-reset: h4counter; }
h4 { counter-reset: h5counter; }
h5 { counter-reset: h6counter; }
h6 { }
h2:before {
counter-increment: h2counter;
content: counter(h2counter) ".\0000a0\0000a0";
}
h3:before {
counter-increment: h3counter;
content: counter(h2counter) "."
counter(h3counter) ".\0000a0\0000a0";
}
h4:before {
counter-increment: h4counter;
content: counter(h2counter) "."
counter(h3counter) "."
counter(h4counter) ".\0000a0\0000a0";
}
h5:before {
counter-increment: h5counter;
content: counter(h2counter) "."
counter(h3counter) "."
counter(h4counter) "."
counter(h5counter) ".\0000a0\0000a0";
}
h6:before {
counter-increment: h6counter;
content: counter(h2counter) "."
counter(h3counter) "."
counter(h4counter) "."
counter(h5counter) "."
counter(h6counter) ".\0000a0\0000a0";
}
不间断更新。。。
增减layer
增加layer
增加layer很方便，可以使用model.add_module('layer name', layer)。
删减layer
删减layer很少用的到，之所以我会有这么一个需求，是因为我需要使用vgg做迁移学习,而且需要修改最后的输出。
而vgg由两个部分组成：features和classifier，这两个部分都是torch.nn.Sequential，所以不能单独对其中某一层做修改。
而如果对整个Sequential做修改，那么这个模型的参数会被初始化，而我又需要保留这些参数，所以才想到是否有办法把最后一层fc删掉，重新再填加一个不就行了？具体方法如下：
以vgg16为例，假设我们现在只需要对classifier的最后一层全连接层的输出做修改：
model = models.vgg16(pretrained=True)
先看一下未做修改之前的classifier的参数：
- 截取要修改的layer之前的网络
removed = list(model.classifier.children())[:-1]
model.classifier = torch.nn.Sequential(*removed)
- 添加fc层
model.add_module('fc', torch.nn.Linear(4096, out_num)) # out_num是你希望输出的数量
此时我们看一下model以及classifier的参数有什么变化：
这达到了我预期的效果。