Question

我有一些cnn，我想从状态字典中获取对应于某个键的某个中间层的值。怎么可以这样做？感谢。

Answer 1

我认为您需要创建一个新类，重新定义给定模型的正向传递。但是，很可能需要创建有关模型架构的代码。你可以在这里找到一个例子：

class extract_layers():

    def __init__(self, model, target_layer):
        self.model = model
        self.target_layer = target_layer

    def __call__(self, x):
        return self.forward(x)

    def forward(self, x):
        module = self.model._modules[self.target_layer]

        # get output of the desired layer
        features = module(x)

        # get output of the whole model
        x = self.model(x)

        return x, features


model = models.vgg19(pretrained=True)
target_layer = 'features'
extractor = extract_layers(model, target_layer)

image = Variable(torch.randn(1, 3, 244, 244))
x, features = extractor(image)

在这种情况下，我使用的是pytorch models zoo中给出的预定义的vgg19网络。网络的层次结构分为两个模块：features用于卷积部分，classifier用于完全连接的部分。在这种情况下，由于features包裹了网络的所有卷积层，因此很简单。如果您的体系结构有多个具有不同名称的图层，则需要使用与此类似的内容存储其输出：

 for name, module in self.model._modules.items():
    x = module(x)  # forward the module individually
    if name in self.target_layer:
        features = x  # store the output of the desired layer

此外，您应该记住，您需要重新整形将卷积部分连接到完全连接的层的输出。如果您知道该图层的名称，应该很容易做到。

如何获取与PyTorch中的状态字典匹配的图层中的要素的值？

1 个答案: