炫意html5
最早CSS3和HTML5移动技术网站之一

PyTorch Convents特征提取

卷积神经网络包括主要特征,提取。以下步骤用于实现卷积神经网络的特征提取。

第1步

导入相应的模型以使用“PyTorch”创建特征提取模型。

import torch
import torch.nn as nn
from torchvision import models

第2步

创建一类特征提取器,可以在需要时调用。

class Feature_extractor(nn.module):
def forward(self, input):
self.feature = input.clone()
return input
new_net = nn.Sequential().cuda() # the new network
target_layers = [conv_1, conv_2, conv_4] # layers you want to extract`
i = 1
for layer in list(cnn):
if isinstance(layer,nn.Conv2d):
name = "conv_"+str(i)
art_net.add_module(name,layer)
if name in target_layers:
new_net.add_module("extractor_"+str(i),Feature_extractor())
i+=1
if isinstance(layer,nn.ReLU):
name = "relu_"+str(i)
new_net.add_module(name,layer)
if isinstance(layer,nn.MaxPool2d):
name = "pool_"+str(i)
new_net.add_module(name,layer)
new_net.forward(your_image)
print (new_net.extractor_3.feature)

炫意HTML5 » PyTorch Convents特征提取

Java基础教程Android基础教程