model = models.resnet18(pretrained=True) model.fc = nn.Linear(model.fc.in_features, n_class)

这段代码是基于预训练的 ResNet18 模型创建一个分类模型。预训练的 ResNet18 模型是在大规模图像数据集上进行预训练的，可以学习到图像的低级特征和高级特征。但是它的输出是一个全连接层，而不是用于分类的 softmax 层。因此，我们需要将全连接层替换为一个新的线性层，其输入特征数等于 ResNet18 最后一层的输出特征数，输出特征数等于分类数量。

具体来说，这段代码的第一行使用 PyTorch 的 `models` 模块创建了一个名为 `model` 的 ResNet18 模型，并加载了预训练权重。第二行使用 PyTorch 的 `nn` 模块创建了一个新的线性层，其输入特征数等于 ResNet18 最后一层的输出特征数 `model.fc.in_features`，输出特征数等于分类数量 `n_class`。第三行将新的线性层替换掉原来的全连接层，这样就得到了一个用于分类的 ResNet18 模型。