PyTorch, nn.Sequenzielle(), Zugang GEWICHTE mit einem speziellen Modul in nn.Sequenzielle()

sollte dies auf die schnelle. Wenn ich mit einem vordefinierten Modul in PyTorch, ich kann in der Regel Zugriff auf seine GEWICHTE relativ leicht. Aber wie greife ich auf Sie zu, wenn ich wickelte Sie das Modul in den nn.Sequenzielle() zuerst? Finden Sie Spielzeug-Beispiel unten

class My_Model_1(nn.Module):
    def __init__(self,D_in,D_out):
        super(My_Model_1, self).__init__()
        self.layer = nn.Linear(D_in,D_out)
    def forward(self,x):
        out = self.layer(x)
        return out

class My_Model_2(nn.Module):
    def __init__(self,D_in,D_out):
        super(My_Model_2, self).__init__()
        self.layer = nn.Sequential(nn.Linear(D_in,D_out))
    def forward(self,x):
        out = self.layer(x)
        return out

model_1 = My_Model_1(10,10)
print(model_1.layer.weight)
model_2 = My_Model_2(10,10)
# How do I print the weights now?
# model_2.layer.0.weight doesn't work.
InformationsquelleAutor mexmex | 2017-05-31
  1. 8

    Einem leichten Gewicht, um den Zugriff auf die GEWICHTE ist die Verwendung der state_dict() des Modells.

    Sollte dies in Ihrem Fall:

    for k, v in model_2.state_dict().iteritems():
    print("Layer {}".format(k))
    print(v)

    Weitere option ist, um die modules() iterator. Wenn Sie im Voraus wissen, die Art der Ihren Schichten, dies sollte auch funktionieren:

    for layer in model_2.modules():
   if isinstance(layer, nn.Linear):
        print(layer.weight)
    • Hi! Vielen Dank für Ihre Antwort. Ich habe auch geschrieben in PyTorch Foren und ich fand die empfohlene Art und Weise. Ich wies die Antwort unten.
    InformationsquelleAutor aesadde
  2. 6

    Aus der PyTorch forum, das ist der empfohlene Weg:

    model_2.layer[0].weight
    InformationsquelleAutor mexmex
  3. 0

    Können Sie access Module nach Namen mit _modules:

    class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()

        self.conv1 = nn.Conv2d(3, 3, 3)

    def forward(self, input):
        return self.conv1(input)

model = Net()
print(model._modules['conv1'])
    InformationsquelleAutor oezguensi
Schreibe einen Kommentar