python - 如何从pytorch中的AlexNet中提取cc7功能作为numpy数组？

我想从经过微调的AlexNet的4096层中提取fc7维特征向量。我的目标是稍后使用此层进行群集。
这是我提取它的方式：

alexnet = models.alexnet(pretrained=True);
fc7 = alexnet.classifier[6];

但是，当我打印它时，fc7是一个Linear对象：

Linear(in_features=4096, out_features=1000, bias=True)

我正在寻找的是如何将此Linear对象转换为numpy数组，以便可以对其进行进一步的操作。
我在想的是调用其方法'def forward(self, input)'，但不确定要提供哪个输入？我应该提供输入图像还是应该提供输出fc6层？

而且我想要4096 -dim输入数组并摆脱1000输出数组（大概是因为我认为这不会对群集有所帮助）。

最佳答案

这可以通过创建一个新模型来完成，除了最后一层以外，该模型具有与alexnet相同的所有层（和相关参数）。

new_model = models.alexnet(pretrained=True)
new_classifier = nn.Sequential(*list(new_model.classifier.children())[:-1])
new_model.classifier = new_classifier

现在，您应该能够将输入图像提供给new_model并提取4096维特征向量。

如果出于某种原因确实需要特定的图层作为numpy数组，则可以执行以下操作：fc7.weight.data.numpy()。

（在PyTorch 0.4.0上）