python - Pytorch - 如何提取 MLP 网络的特征(权重、偏差、节点数、隐藏层)？

Question

关闭。此题需要 details or clarity 。目前不接受答案。

---

想要改进这个问题吗？通过 editing this post 添加详细信息并澄清问题.

已关闭 3 年前。

Improve this question

我有兴趣从 pytorch 构建的 MLP/神经网络中提取权重、偏差、节点数量和隐藏层数量。我想知道是否有人能够指出我正确的方向？

非常感谢，

最大

Answer 1

是的，我们可以通过首先创建一个简单的网络来完成您想要的操作:

input_dim = 400
hidden_dim = 512

net = nn.Sequential(nn.Linear(input_dim, hidden_dim),
                      nn.Sigmoid())

print(net)

当我们打印网络时，我们会了解层数、节点数(out_features)和许多其他细节:

Sequential(
  (0): Linear(in_features=400, out_features=512, bias=True)
  (1): Sigmoid()
)

然后，如果您想加载每个参数的特定值，也可以打印它

model = Net(400, 512,10)

bias = model.fc1.bias

print(bias)

输出是:

tensor([ 3.4078e-02,  3.1537e-02,  3.0819e-02,  2.6163e-03,  2.1002e-03,
         4.6842e-05, -1.6454e-02, -2.9456e-02,  2.0646e-02, -3.7626e-02,
         3.5531e-02,  4.7748e-02, -4.6566e-02, -1.3317e-02, -4.6593e-02,
        -8.9996e-03, -2.6568e-02, -2.8191e-02, -1.9806e-02,  4.9720e-02,
        ---------------------------------------------------------------
        -4.6214e-02, -3.2799e-02, -3.3605e-02, -4.9720e-02, -1.0293e-02,
         3.2559e-03, -6.6590e-03, -1.2456e-02, -4.4547e-02,  4.2101e-02,
        -2.4981e-02, -3.6840e-03], requires_grad=True)

希望对你有帮助