PyTorch 卷积神经网络中的 PyTorch 特征提取

卷积神经网络包括一个主要特征， 萃取 .以下步骤用于实现卷积神经网络的特征提取。

步骤 1

导入相应的模型以使用“PyTorch”创建特征提取模型。

import torch
import torch.nn as nn
from torchvision import models

步骤 2

创建一类可以在需要时调用的特征提取器。

class Feature_extractor(nn.module):
    def forward(self, input):
        self.feature = input.clone()
        return input
new_net = nn.Sequential().cuda() # the new network
target_layers = [conv_1, conv_2, conv_4] # layers you want to extract`
i = 1
for layer in list(cnn):
    if isinstance(layer,nn.Conv2d):
        name = "conv_"+str(i)
        art_net.add_module(name,layer)
        if name in target_layers:
            new_net.add_module("extractor_"+str(i),Feature_extractor())
        i+=1
    if isinstance(layer,nn.ReLU):
        name = "relu_"+str(i)
        new_net.add_module(name,layer)
    if isinstance(layer,nn.MaxPool2d):
        name = "pool_"+str(i)
        new_net.add_module(name,layer)
new_net.forward(your_image)
print (new_net.extractor_3.feature)