如何从 pytorch 中的 AlexNet 中提取 fc7 特征作为 numpy 数组？答案

【问题标题】：How to extract fc7 features from AlexNet in pytorch as numpy array?如何从 pytorch 中的 AlexNet 中提取 fc7 特征作为 numpy 数组？
【发布时间】：2019-01-01 06:22:11
【问题描述】：

我想从我的微调 AlexNet 的fc7 层中提取4096 维特征向量。我的目标是稍后使用这一层进行聚类。这就是我提取它的方式：

alexnet = models.alexnet(pretrained=True);
fc7 = alexnet.classifier[6];

但是，当我打印它时，fc7 是一个 Linear 对象：

Linear(in_features=4096, out_features=1000, bias=True)

我正在寻找的是如何将这个 Linear 对象转换为一个 numpy 数组，以便我可以对其进行进一步的操作。我在想的是调用它的方法'def forward(self, input)'，但不确定提供哪个输入？我应该提供输入图像还是应该提供 fc6 层的输出？

我想要4096-dim 输入数组并摆脱1000 输出数组（大概是因为我认为它不会帮助我进行聚类）。

【问题讨论】：

标签： python numpy machine-learning conv-neural-network pytorch

【解决方案1】：

这可以通过创建一个具有与alexnet 相同的所有层（和相关参数）的新模型来完成，除了最后一层。

new_model = models.alexnet(pretrained=True)
new_classifier = nn.Sequential(*list(new_model.classifier.children())[:-1])
new_model.classifier = new_classifier

您现在应该能够将输入图像提供给 new_model 并提取 4096 维特征向量。

如果出于某种原因确实需要将特定层作为 numpy 数组，您可以执行以下操作：fc7.weight.data.numpy()。

（在 PyTorch 0.4.0 上）

【讨论】：

使用这个 fc7.weight.data.numpy() 会给你权重而不是神经元输出（特征）。他要求聚类的特征，而不是权重。