我已经利用pytorch训练好了自己的模型MYmodel()，其中有3层FCN分别为fcn1，fcn2，fcn3，现使用python加载MYmodel()模型用于测试集，但是我只想模型中的fcn1，fcn2起作用，该如何操作

可以使用`torch.nn.Sequential`模块将需要的层组成一个新的模型，只保留需要的fcn1和fcn2层。示例代码如下：

import torch
import torch.nn as nn

# 定义模型
class MYmodel(nn.Module):
    def __init__(self):
        super(MYmodel, self).__init__()
        self.fcn1 = nn.Linear(10, 20)
        self.fcn2 = nn.Linear(20, 30)
        self.fcn3 = nn.Linear(30, 40)

    def forward(self, x):
        x = self.fcn1(x)
        x = self.fcn2(x)
        x = self.fcn3(x)
        return x

# 加载模型
model = MYmodel()
model.load_state_dict(torch.load('model.pth'))

# 保留fcn1和fcn2层
new_model = nn.Sequential(*list(model.children())[:2])

# 测试
x = torch.randn(1, 10)
output = new_model(x)
print(output.shape)

在上面的代码中，首先定义了一个`MYmodel`模型，其中包括3层FCN，即`fcn1`，`fcn2`和`fcn3`。然后加载了训练好的模型，并使用`nn.Sequential`模块将模型中的`fcn1`和`fcn2`层组成了一个新的模型`new_model`。最后使用`new_model`对输入`x`进行测试，输出结果的形状为`(1, 30)`，即`fcn1`和`fcn2`的输出结果。