提取CNN模型中间层输出方法

前言

针对结构中定义了多个nn.sequential的网络模型，无法直接获取其内部某一中间层的输出，本文将给出两个方法进行解决。

方法

1 逐层进行forward

创建自定义函数，实现按照执行顺序逐层前向执行网络模型。
-----将模型输入以及模型作为参数传入函数，返回目标结果

def extract_res(inp, model):
    for index, module in enumerate(model.modules()):  # 按执行顺序遍历网络各层操作
        if index in [0, 1, ...]:  # 去除非操作层
            continue
        inp = module(inp)  # 逐层前向执行，得到结果
        if index == 3:  # 判断是否为目标层  (示例为索引为3的操作)
            return inp

tip: 利用.modules()在进行遍历操作时，其顺序为：
【总网络结构–>各部分–>各部分内部】




==》可见index = 0，1对应为非操作层，需要避免其执行forward。
故在使用此方法时，需要注意摒弃非操作层，跳过执行。此外，须推理出目标输出层对应索引号，才能实现精准获取。

---

2 使用hook函数

（1）定义保存hook内容的对象类

class SaveOutput:
    def __init__(self):
        self.outputs = []

    def __call__(self, module, module_in, module_out):
        self.outputs.append(module_out)

    def clear(self):
        self.outputs = []

（2） 为卷积层注册hook

	hook_handles = []
	save_output = SaveOutput()
	for layer in model.modules():     # 按执行顺序遍历网络各层操作
	if isinstance(layer, nn.Linear):   # 按操作指令进行判别
	        handle = layer.register_forward_hook(save_output)
	        hook_handles.append(handle)

代码中示例即为寻找所有为执行nn.Linear（）的操作层

（3） 对输入x进行预测（过程中每计算一个输出将自动调用hook函数）

out = model(x)  

（4）取出通过目标层的输出

data = save_output.outputs[2]    # 2为目标操作层输出在最终结果列表中的索引

tip: 网络包含几个操作同名层，save_output.outputs的size就为多少，取出对应位置的输出即可

------tbc-------
有用可以点个大拇指哦 🤭