pytorch下调用的Alexnet模型如何打开BN层

要在PyTorch中打开AlexNet模型的BN层，可以使用以下代码：

import torch
import torchvision.models as models

class AlexNetWithBN(torch.nn.Module):
    def __init__(self):
        super(AlexNetWithBN, self).__init__()
        self.alexnet = models.alexnet(pretrained=True)
        
        # 打开BN层
        for m in self.modules():
            if isinstance(m, torch.nn.BatchNorm2d):
                m.eval()
    
    def forward(self, x):
        x = self.alexnet.features(x)
        x = self.alexnet.avgpool(x)
        x = torch.flatten(x, 1)
        x = self.alexnet.classifier(x)
        return x

在这个代码中，我们首先使用`models.alexnet(pretrained=True)`加载了预训练的AlexNet模型。接着，我们遍历了整个模型，如果发现某一层是`torch.nn.BatchNorm2d`类型，则将该层设置为评估模式，即不使用批量归一化。最后，我们定义了一个`forward`函数，将输入数据传递给AlexNet模型的特征提取、平均池化和分类器部分。

通过这个`AlexNetWithBN`类，我们可以打开AlexNet模型的BN层，从而在不需要批量归一化的情况下使用该模型进行推理。