在fastreid模块中是怎么将 resnet101蒸馏成resnet34，去除模型保存了FC层和优化器等参数的呢

在 fastai 模块中，可以使用以下代码将 ResNet101 蒸馏成 ResNet34：

from fastai.vision.models import resnet34

# 加载 ResNet101 模型
model = resnet101()

# 从 ResNet101 模型中复制参数到 ResNet34 模型
model_34 = resnet34()
model_34.load_state_dict(model.state_dict())

# 去除模型中的全连接层和优化器参数
for param in model_34.parameters():
    param.requires_grad = False
model_34.fc = None

# 保存蒸馏后的 ResNet34 模型
torch.save(model_34.state_dict(), 'resnet34.pth')

在这段代码中，我们首先加载了 ResNet101 模型，然后创建了一个 ResNet34 模型，并使用 ResNet101 模型的参数初始化 ResNet34 模型。接下来，我们将 ResNet34 模型中的所有参数的 `requires_grad` 属性设为 `False`，表示在训练过程中不需要更新这些参数，然后将 ResNet34 模型的全连接层设为 `None`。最后，我们使用 `torch.save` 函数保存了蒸馏后的 ResNet34 模型。