Pytorch 文档提供了一个concise way 以应用 MiDaS 单目深度估计网络进行深度提取。但是我应该如何修改他们的代码以在某个中间层提取网络表示？我知道我可以从 github 下载模型并修改 forward 函数以返回我想要的内容，但我对最简单的解决方案感兴趣，保持外部代码不变。
我知道继承模型类并编写自己的转发函数，如here，但我不知道如何在代码中访问该类。使用midas = torch.hub.load("intel-isl/MiDaS", model_type) 立即创建模型实例。也许使用前向钩子的例子会更容易。
【问题讨论】：
标签： deep-learning neural-network pytorch conv-neural-network torchvision
正如你所说，在nn.Module 上使用前向钩子是最简单的方法。考虑文档：https://pytorch.org/docs/stable/generated/torch.nn.Module.html#torch.nn.Module.register_forward_hook
基本上你只需要定义一个函数，它接受三个输入(module, input, output)，然后对这些数据做任何你想做的事情。要找到要在哪个模块上放置该钩子，您显然需要熟悉模型的结构。您只需 print(midas) 即可获得所有可用模块的精美打印表示。我只是随机选择了一个，并使用了print() 函数作为钩子：
midas.pretrained.model.blocks[3].mlp.fc2.register_forward_hook(print)
这意味着每当我们调用midas(some_input) 时，都会使用相应的参数调用钩子（在本例中为print）。当然，您可以编写一个将这些文件保存到例如的函数，而不是 print。您可以从外部访问的列表，或将它们写入文件等。
【讨论】：