Pytorch - 如何提取 MLP 网络的特征（权重、偏差、节点数、隐藏层）？ [关闭]答案

【问题标题】：Pytorch - how to extract features of an MLP network (weights, biases, number of nodes, hidden layers)? [closed]Pytorch - 如何提取 MLP 网络的特征（权重、偏差、节点数、隐藏层）？ [关闭]
【发布时间】：2020-02-02 00:01:58
【问题描述】：

我有兴趣从 pytorch 中构建的 MLP/神经网络中提取权重、偏差、节点数和隐藏层数。我想知道是否有人能指出我正确的方向？

非常感谢，

最大

【问题讨论】：

我已经发布了答案，请查看

标签： python machine-learning neural-network artificial-intelligence pytorch

【解决方案1】：

是的，我们可以通过首先创建一个简单的网络来满足您的需求：

input_dim = 400
hidden_dim = 512

net = nn.Sequential(nn.Linear(input_dim, hidden_dim),
                      nn.Sigmoid())

print(net)

当我们打印网络时，我们会了解层数、节点数（out_features）以及许多其他细节：

Sequential(
  (0): Linear(in_features=400, out_features=512, bias=True)
  (1): Sigmoid()
)

如果你想加载每个参数的具体值，你也可以打印出来

model = Net(400, 512,10)

bias = model.fc1.bias

print(bias)

输出是：

tensor([ 3.4078e-02,  3.1537e-02,  3.0819e-02,  2.6163e-03,  2.1002e-03,
         4.6842e-05, -1.6454e-02, -2.9456e-02,  2.0646e-02, -3.7626e-02,
         3.5531e-02,  4.7748e-02, -4.6566e-02, -1.3317e-02, -4.6593e-02,
        -8.9996e-03, -2.6568e-02, -2.8191e-02, -1.9806e-02,  4.9720e-02,
        ---------------------------------------------------------------
        -4.6214e-02, -3.2799e-02, -3.3605e-02, -4.9720e-02, -1.0293e-02,
         3.2559e-03, -6.6590e-03, -1.2456e-02, -4.4547e-02,  4.2101e-02,
        -2.4981e-02, -3.6840e-03], requires_grad=True)

希望对你有帮助

【讨论】：