我想从我微调后的AlexNet的fc7层提取4096维的特征向量。我的目标是稍后使用这一层进行聚类。我的提取方法如下：

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

然而，当我打印时，fc7是一个Linear对象：

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

我想要的是如何将这个Linear对象转换为numpy数组，以便我可以对其进行进一步的操作。我在考虑调用它的方法'def forward(self, input)'，但不确定应该提供什么输入？我应该提供输入图像还是fc6层的输出？

而且我想得到4096维的输入数组，并去掉1000维的输出数组（推测如此，因为我认为它对聚类没有帮助）。

回答：

这可以通过创建一个新的模型来实现，该模型具有与alexnet相同的层（及其相关参数），但不包括最后一层。

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并提取一个4096维的特征向量。

如果您确实需要将某个特定层作为numpy数组使用，您可以执行以下操作：fc7.weight.data.numpy()。

（在PyTorch 0.4.0版本上）