我想从经过微调的AlexNet的Update Student
Set Description =
(
SELECT Description
FROM Class as CL
where CL.StudentId = Student.Id
)
层中提取4096维特征向量。我的目标是稍后使用此层进行群集。
这是我提取它的方式：
fc7但是，当我打印它时，alexnet = models.alexnet(pretrained=True);
fc7 = alexnet.classifier[6];
是一个fc7对象：
Linear我正在寻找的是如何将此Linear(in_features=4096, out_features=1000, bias=True)
对象转换为numpy数组，以便可以对其进行进一步的操作。
我在想的是调用其方法Linear，但不确定要提供哪个输入？应该提供输入图像还是提供输出fc6层？
我想要'def forward(self, input)'-dim输入数组并摆脱4096输出数组（大概是因为我认为这不会帮助我进行聚类）。
答案 0 :(得分：2)
这可以通过创建一个新模型来完成，除了最后一层之外，该模型具有与alexnet相同的所有层（和相关参数）。
new_model = models.alexnet(pretrained=True)
new_classifier = nn.Sequential(*list(new_model.classifier.children())[:-1])
new_model.classifier = new_classifier
您现在应该可以将输入图像提供给new_model，并提取4096维特征向量。
如果出于某种原因确实需要特定的图层作为numpy数组，则可以执行以下操作：fc7.weight.data.numpy()。
（在PyTorch 0.4.0上）