python-3.x - 如何获得fastai文本模型的倒数第二层输出？

Question

learn = text_classifier_learner(data_clas, AWD_LSTM, drop_mult=0.7)
learn.fit_one_cycle(1, 1e-2)

我已经如上所述训练了 fastai 模型。我可以得到如下预测

preds, targets = learn.get_preds()

但相反，我想要模型的倒数第二层嵌入learn（这种做法在 CNN 模型中很常见）。你能帮我怎么做吗？

标签： python-3.xnlptransfer-learningfast-ai

Answer 1

我不确定你是否想要一个分类器，但无论如何......

learn.model为您提供模型架构。然后learn.model[0]将是learn.model[1]模型的另一部分的编码器。

例子：

要访问 SequentialEx（下面的架构）中的第一个线性层，您可以使用以下命令进行操作 learn.model[0].layers[0].ff.layers[0]

SequentialRNN(
    (0): TransformerXL(
      (encoder): Embedding(60004, 410)
      (pos_enc): PositionalEncoding()
      (drop_emb): Dropout(p=0.03)
      (layers): ModuleList(
        (0): DecoderLayer(
          (mhra): MultiHeadRelativeAttention(
            (attention): Linear(in_features=410, out_features=1230, bias=False)
            (out): Linear(in_features=410, out_features=410, bias=False)
            (drop_att): Dropout(p=0.03)
            (drop_res): Dropout(p=0.03)
            (ln): LayerNorm(torch.Size([410]), eps=1e-05, elementwise_affine=True)
            (r_attn): Linear(in_features=410, out_features=410, bias=False)
          )
          (ff): SequentialEx(
            (layers): ModuleList(
              (0): Linear(in_features=410, out_features=2100, bias=True)
              (1): ReLU(inplace)
              (2): Dropout(p=0.03)
              (3): Linear(in_features=2100, out_features=410, bias=True)
              (4): Dropout(p=0.03)
              (5): MergeLayer()
              (6): LayerNorm(torch.Size([410]), eps=1e-05, elementwise_affine=True)
            )
          )
        )