PyTorch提取中间层特征

如何得到中间层特征：

如果只想得到中间层特征，而不需要得到gradient之类的，那么不需要hook函数这么复杂。只需要在forward函数中添加一行代码，将feature赋值给self变量即可，即self.feature_map = feature

给一个例子：

# Define a Convolutional Neural Network
class 
Net(nn.Module):
    
    def __init__(self, kernel_size=5, n_filters=16, n_layers=3):
        xxx
    def forward(self, x): 
        x = self.body(self.head(x))

        self.featuremap1 = x.detach() # 核心代码

        return F.relu(self.fc(x))

model_ft = Net()
train_model(model_ft)
feature_output1 = model_ft.featuremap1.transpose(1,0).cpu()

这样就得到了feature_map，并保存到了feature_output变量中。

 

如何显示中间层特征：

给出一个简单显示代码

def feature_imshow(inp, title=None):
    
    """Imshow for Tensor."""
    
    inp = inp.detach().numpy().transpose((1, 2, 0))
    
    mean = np.array([0.5, 0.5, 0.5])
    
    std = np.array([0.5, 0.5, 0.5])
    
    inp = std * inp + mean
    
    inp = np.clip(inp, 0, 1)
    
    plt.imshow(inp)
    
    if title is not None:
        plt.title(title)
    
    plt.pause(0.001)  # pause a bit so that plots are updated


out = torchvision.utils.make_grid(feature_ouput1)
feature_imshow(out)

结果图如下：