pytorch进阶

回答几个问题

Q1：如何创建多输出的网络，多输出又如何训练
在forward函数中输出多个输出
在计算loss时，计算多个输出的联合loss

Q2：如何获取网络的中间层

class FeatureExtractor(nn.Module):
    def __init__(self, submodule, extracted_layers):
        super(FeatureExtractor,self).__init__()
        # 假设submodule是你加载的模型
        self.submodule = submodule
        self.extracted_layers= extracted_layers
 
    def forward(self, x):
        outputs = []
        for name, module in self.submodule.named_modules():
            if name in self.extracted_layers:
                outputs.append(x)
            x = module(x)
            print(name)
        return outputs

Q3：为什么在初始化参数时，使用随机数种子
在训练开始时，参数的初始化是随机的，为了让每次的结果一致，我们需要设置随机种子。

Q4：如何保存模型和恢复模型

# 保存和加载整个模型
torch.save(model_object, 'path/model.pkl')
model = torch.load('path/model.pkl')
 
# 仅保存和加载模型参数(推荐使用)
torch.save(model_object.state_dict(), 'path/params.pkl')
model_object.load_state_dict(torch.load('path/params.pkl'))

Q5：如何可视化训练过程