剪切自动编码器的一部分（pytorch）

Question

我在 PyTorch 中有一个简单的自动编码器架构，我训练它来进行特征压缩和重建。我的目标是使用自动编码器的潜在空间来减少我的数据的初始维度并在测试阶段对其进行压缩。 要执行此操作，我只需将测试数据传递给我的编码器，而不是整个自动编码器。你知道如何做到这一点吗？ model = Autoencoder.encoder() 之类的东西？ 我的完整架构如下：

class Autoencoder(nn.Module):
    def __init__(self, n_features):
        super(Autoencoder, self).__init__()
        
        self.n_sensors = n_sensors
        
        self.encoder = nn.Sequential(
            nn.Linear(self.n_features, 1),
            nn.ReLU(True))
        
        
        self.decoder = nn.Sequential(
            nn.Linear(1, self.n_features),
            nn.ReLU(True))

    def forward(self, x):
        x = self.encoder(x)
        x = self.decoder(x)
        return x

Answer 1

根据你的模型定义，你可以直接在编码器子模块上调用：

class Autoencoder(nn.Module):
  def __init__(self, n_features):
      super(Autoencoder, self).__init__()
      
      self.n_features = n_features
      
      self.encoder = nn.Sequential(
          nn.Linear(self.n_features, 1),
          nn.ReLU(True))
      
      self.decoder = nn.Sequential(
          nn.Linear(1, self.n_features),
          nn.ReLU(True))

  def forward(self, x):
      x = self.encoder(x)
      x = self.decoder(x)
      return x

请记住，您首先需要初始化模型：

>>> ae = Autoencoder(n_features=10)
>>> x = torch.empty(16, 10)
>>> ae.encoder(x).shape
(16, 1)