提取CNN模型中间层输出方法

最新推荐文章于 2023-11-16 17:25:03 发布

原创

最新推荐文章于 2023-11-16 17:25:03 发布 · 3.6k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#cnn #python #pycharm

本文介绍了如何在结构中定义了多个nn.Sequential的深度学习模型下，获取内部中间层输出的两种策略。方法一是通过逐层前向执行，自定义函数跳过非操作层并定位目标层；方法二是利用hook函数，注册保存输出的hook，并在预测过程中自动捕获目标层的输出。这两种方法都需要精确识别目标层的索引，以便正确提取所需信息。

前言

针对结构中定义了多个nn.sequential的网络模型，无法直接获取其内部某一中间层的输出，本文将给出两个方法进行解决。
在这里插入图片描述

方法

1 逐层进行forward

创建自定义函数，实现按照执行顺序逐层前向执行网络模型。
-----将模型输入以及模型作为参数传入函数，返回目标结果

def extract_res(inp, model):
    for index, module in enumerate(model.modules()):  # 按执行顺序遍历网络各层操作
        if index in [0, 1, ...]:  # 去除非操作层
            continue
        inp = module(inp)  # 逐层前向执行，得到结果
        if index == 3:  # 判断是否为目标层  (示例为索引为3的操作)
            return inp

tip: 利用.modules()在进行遍历操作时，其顺序为：
【总网络结构–>各部分–>各部分内部】