MXNet获取特征输出

本文介绍了如何在MXNet中从预训练模型中提取特定层的特征。通过加载模型,列出所有层,选择特征层并重建模型,最终将新模型保存,以便于后续的特征提取任务。提供了一个完整代码示例,可在GitHub上查看。
摘要由CSDN通过智能技术生成

在网上下载的MXNet预训练模型常常是完整的,但是在实际应用中,我们一般只需要网络中某一层作为特征提取,这个时候就需要重建模型,使得网络最后的输出是特征。

加载预训练模型

加载模型使用model.FeedForward.load就可以了,后面的参数分别是模型的名字、迭代次数和batch大小,需要根据实际模型进行修改:

import mxnet as mx
import numpy as np

model=mx.model.FeedForward.load('model_name',1,num_batch_size=1)

找到特征层

别人训练好的模型我们常常不知道有哪些层,这时候需要列出所有的层,以便于我们找到特征层:

internals=model.symbol.get_internals()   #list all symbol
internals.list_outputs()

列出网络中所有的层&

评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值