我也想用这个vgg预训练模型，请问楼主问题解决了么？

看了下python源码接口，里面模型类的features属性是这么用的：

    def __init__(self, features, num_classes=1000, with_pool=True):
        super(VGG, self).__init__()
        self.features = features
        self.num_classes = num_classes
        self.with_pool = with_pool

        if with_pool:
            self.avgpool = nn.AdaptiveAvgPool2D((7, 7))

        if num_classes > 0:
            self.classifier = nn.Sequential(
                nn.Linear(512 * 7 * 7, 4096),
                nn.ReLU(),
                nn.Dropout(),
                nn.Linear(4096, 4096),
                nn.ReLU(),
                nn.Dropout(),
                nn.Linear(4096, num_classes), )

    def forward(self, x):
        x = self.features(x)

        if self.with_pool:
            x = self.avgpool(x)

        if self.num_classes > 0:
            x = paddle.flatten(x, 1)
            x = self.classifier(x)

        return x

paddle源码里用特征层进行前向计算时没用 Sequential 进行序列封装，应该是已经序列化好了吧

我想得到vgg19每层输出的 feature map，请问有什么便捷的方法么？

是用 make_layers 组装的 features

def make_layers(cfg, batch_norm=False):
    layers = []
    in_channels = 3
    for v in cfg:
        if v == 'M':
            layers += [nn.MaxPool2D(kernel_size=2, stride=2)]
        else:
            conv2d = nn.Conv2D(in_channels, v, kernel_size=3, padding=1)
            if batch_norm:
                layers += [conv2d, nn.BatchNorm2D(v), nn.ReLU()]
            else:
                layers += [conv2d, nn.ReLU()]
            in_channels = v
    return nn.Sequential(*layers)

组装 features 可以参考这里：

https://www.paddlepaddle.org.cn/documentation/docs/zh/api/paddle/vision/models/VGG_cn.html#canshu

paddle2.1好像还没有预训练的vgg19模型 

关于为什么那么多0，可能是我经验不足，他其他维度其实是有提取到特征的，简单可视化见下图。

对每层输出的特征图我还真不知道怎么搞。可能麻烦一点写个循环一层一层用paddle.nn.Sequential弄成网络后在做输入输出？

一起都给包在vgg模型的features成员里了，我也是不知道怎么掏出来

现在就只能先用paddleclas套件里的预训练模型了