pytorch: mémoriser la sortie de plusieurs couches de séquenciel

Question

J'ai un modèle en pytorch et d'une passe avant je veux extraire les sorties de plusieurs couches. Est-ce possible?

par exemple. les sorties des cinq premières couches de conv de vgg

import torchvision 
vgg = torchvision.models.vgg19_bn() 

Answer 1

Je pense que la meilleure façon est de définir un nouveau modèle dans lequel toutes les couches d'intérêt sont définies:

from torch import nn 
import torchvision 

class VGG(nn.Module): 

    def __init__(self): 

     super(VGG, self).__init__() 

     vgg = torchvision.models.vgg19_bn() 

     self.l_00 = list(vgg.features.children())[0] 
     self.l_01 = list(vgg.features.children())[1] 
     self.l_02 = list(vgg.features.children())[2] 
     self.l_03 = list(vgg.features.children())[3] 
     self.l_04 = list(vgg.features.children())[4] 
     self.l_05 = list(vgg.features.children())[5] 
     self.l_06 = list(vgg.features.children())[6] 
     self.l_07 = list(vgg.features.children())[7] 
     self.l_08 = list(vgg.features.children())[8] 
     self.l_09 = list(vgg.features.children())[9] 
     self.l_10 = list(vgg.features.children())[10] 
     self.l_11 = list(vgg.features.children())[11] 
     self.l_12 = list(vgg.features.children())[12] 
     self.l_13 = list(vgg.features.children())[13] 
     self.l_14 = list(vgg.features.children())[14] 
     self.l_15 = list(vgg.features.children())[15] 
     self.l_16 = list(vgg.features.children())[16] 

    def forward(self, x): 

     x = self.l_00(x) 
     x = self.l_01(x) 
     c1 = self.l_02(x) 
     x = self.l_03(x) 
     x = self.l_04(x) 
     c2 = self.l_05(x) 
     x = self.l_06(c2) 
     x = self.l_07(x) 
     x = self.l_08(x) 
     c3 = self.l_09(x) 
     x = self.l_10(c3) 
     x = self.l_11(x) 
     c4 = self.l_12(x) 
     x = self.l_13(c4) 
     x = self.l_14(x) 
     x = self.l_15(x) 
     c5 = self.l_16(x) 

     return c1, c2, c3, c4, c5