[英]Extracting features of the hidden layer of an autoencoder using Pytorch
最干净和最直接的方法是添加用于创建部分输出的方法——这甚至可以在经过训练的 model 上进行后验。
from torch import Tensor
class AE(nn.Module):
def __init__(self, **kwargs):
...
def encode(self, features: Tensor) -> Tensor:
h = torch.relu(self.encoder_hidden_layer(features))
return torch.relu(self.encoder_output_layer(h))
def decode(self, encoded: Tensor) -> Tensor:
h = torch.relu(self.decoder_hidden_layer(encoded))
return torch.relu(self.decoder_output_layer(h))
def forward(self, features: Tensor) -> Tensor:
encoded = self.encode(features)
return self.decode(encoded)
您现在可以通过简单地使用相应的输入张量调用 encode 来查询 model 的编码器隐藏状态。
如果您不想在基础 class 中添加任何方法(我不明白为什么),您也可以编写一个外部 function:
def get_encoder_state(model: AE, features: Tensor) -> Tensor:
return torch.relu(model.encoder_output_layer(torch.relu(model.encoder_hidden_layer(features))))
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.