Pytorch学习笔记（三）Pytorch的常用操作记录

查看Pytorch网络的各层输出(feature map)、权重(weight)、偏置(bias)

在使用Pytorch的时候，我总是在想我怎么看每一层的输出、权重、偏置，下面记录我自己的方法，应该是方式多样，但是我现在的水平没办法评价好坏，如果有更好的办法欢迎留言告知！！！

weight and bias

# Method 1 查看Parameters的方式多样化，直接访问即可
model = alexnet(pretrained=True).to(device)
conv1_weight = model.features[0].weight

# Method 2 
# 这种方式还适合你想自己参考一个预训练模型写一个网络，各层的参数不变，但网络结构上表述有所不同
# 这样你就可以把param迭代出来，赋给你的网络对应层，避免直接load不能匹配的问题！
for layer,param in model.state_dict().items(): # param is weight or bias(Tensor) 
	print layer,param

feature map

由于pytorch是动态网络，不存储计算数据，查看各层输出的特征图并不是很方便！分下面两种情况讨论：

1. 你想查看的层是独立的,那么你在forward时用变量接收并返回即可！！！

class Net(nn.Module):
    def __init__(self):
        self.conv1 = nn.Conv2d(1, 1, 3)
        self.conv2 = nn.Conv2d(1, 1, 3)
        self.conv3 = nn.Conv2d(1, 1, 3)

    def forward(self, x):
        out1 = F.relu(self.conv1(x))
        out2 = F.relu(self.conv2(out1))
        out3 = F.relu(self.conv3(out2)