PyTorch - Convents中的特征提取

• 

  简述

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

  第1步

  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
  

  复制
• 

  第2步

  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)
  

  复制