Python 如何使用register\u forward\u hook在PyTorch中保留特征的负值？

我试图提取预训练模型某一层的特征。Fellow代码确实有效，但是，template_feature_map的值发生了更改，而我没有做任何更改

模型第6层的输出应为负值，如第一次打印（模板功能图）所示。但是，应该在第二次打印（模板特征映射）中保持的负值被更改为零，我不知道为什么。如果你知道这个机制，请告诉我如何保持负值

vgg\u feature=models.vgg13（pretrained=True）.功能
模板特征映射=[]
def保存模板功能映射（自身、输入、输出）：
模板\功能\映射.append（output.detach（））
打印（模板\功能\地图）
模板句柄=vgg特征[5]。注册前向钩子（保存模板特征映射）
vgg_功能（模板[0]）
打印（模板\功能\地图）

两次打印的输出（模板\特征\映射）：

张量（[-5.7389e-01，-2.7154e+00，-4.0990e+00，…，4.1902e+00， 3.1757e+00,2.2461e+00]， [-2.2217e+00，-4.3395e+00，-6.8158e+00，…-1.4454e+00， 9.8012e-01，-2.3653e+00]， [-4.1940e+00，-6.3235e+00，-6.8422e+00，…-2.8329e+00， 2.5570e+00，-2.7704e+00]， ..., [-3.3250e+00，1.3792e-01，5.4926e+00，…-4.1722e+00， -6.1008e-01，-2.6037e+00]， [1.5377e+00，6.0671e-01，2.0974e+00，…，1.2441e+00， 1.5033e+00，-2.7246e+00]， [6.8857e-01，-3.5160e-02，6.7858e-01，…，1.2052e+00， 1.4533e+00，-1.4160e+00]]， [6.8798e-01，1.6971e+00，2.1629e+00，…，3.1701e-01， 8.5424e-01，2.8768e+00]， [1.4013e+00，2.7217e+00，2.1476e+00，…，3.1156e+00， 4.4858e+00,3.6936e+00]， [3.1807e+00，2.2245e+00，2.4665e+00，…，1.3838e+00， 1.0580e-02，-3.1445e-03]， ..., [-4.7298e+00，-3.3037e+00，-1.2982e+00，…，2.3266e-01， 6.7711e+00,3.8166e+00]， [-4.7972e+00，-5.4591e+00，-2.5201e+00，…，3.7584e+00， 5.1524e+00，2.3072e+00]， [-2.4306e+00，-2.8033e+00，-2.0912e+00，…，1.9888e+00， 2.0582e+00，1.9266e+00]]， [4.4257e+00，-4.6331e+00，-3.3580e-03，…-8.2233e+00， -7.4645e+00，-1.7361e+00]， [-4.5593e+00，-8.4195e+00，-8.8428e+00，…-6.7950e+00， -1.4665e+01，-2.5335e+00]， [-2.3481e+00，-3.8543e+00，-3.5965e+00，…-1.5105e+00， -1.6923e+01，-5.9852e+00]， ..., [-8.0165e+00，8.0185e+00，6.5506e+00，…，5.3241e+00， 3.3854e+00，-1.6342e+00]， [-1.3689e+01，-2.2930e+00，4.7097e+00，…，3.2021e+00， 2.9208e+00，-8.0228e-01]， [-1.3055e+01，-1.1470e+01，-8.4442e+00，…，1.8155e-02， -6.2866e-02，-2.0333e+00]]， ..., [3.4622e+00，-1.2417e+00，-5.0749e+00，…，5.3184e+00， 1.4744e+01,8.3968e+00]， [-2.7820e+00，-9.1911e+00，-1.1069e+01，…，2.5380e+00， 9.8336e+00,4.0623e+00]， [-3.9794e+00，-1.0140e+01，-9.9133e+00，…，3.0999e+00， 5.5936e+00,2.5775e+00]， ..., [2.0299e+00，2.1304e-01，-2.2307e+00，…，1.1388e+01， 8.8098e+00,1.8991e+00]， [8.0663e-01，-1.5073e+00，3.3977e-01，…，8.5316e+00， 4.9923e+00，-3.6818e-01]， [-3.5146e+00，-7.2647e+00，-5.4331e+00，…-1.9781e+00， -3.4463e+00，-4.9034e+00]， [3.2915e+00，-7.3263e+00，-6.8458e+00，…，2.3122e+00， 9.7774e-01，-1.3498e+00]， [-4.5396e+00，-8.6832e+00，-8.8582e+00，…，7.1535e-02， -4.1133e+00，-4.4045e+00]， [-4.8781e+00，-7.0239e+00，-4.7350e+00，…-3.6954e+00， -9.6687e+00，-8.8289e+00]， ..., [-4.7072e+00，-4.4823e-01，1.7099e+00，…，3.7923e+00， 1.6887e+00，-4.3305e+00]， [-5.5120e+00，-3.2324e+00，2.3594e+00，…，4.6031e+00， 1.8856e+00，-4.0147e+00]， [-5.1355e+00，-5.5335e+00，-1.7738e+00，…，1.6159e+00， -1.3950e+00，-4.1055e+00]]， [2.0252e+00，-2.3971e+00，-1.6477e+00，…-3.3740e+00， -4.9965e+00，-2.1219e+00]， [-7.6059e-01、-3.3901e-01、-1.8980e-01、-4.3286e+00、， -7.1350e+00，-3.9186e+00]， [8.4101e-01、1.3403e+00、2.5821e-01、-5.1847e+00、， -7.1829e+00，-3.7724e+00]， ..., [-6.0619e+00，-5.6475e+00，-1.6446e+00，…-9.2322e+00， -9.1981e+00，-5.5239e+00]， [-7.4606e+00、-7.6054e+00、-5.8401e+00、-7.6998e+00、， -6.4111e+00，-2.9374e+00]， [-6.4147e+00，-7.2813e+00，-6.1880e+00，…-4.6726e+00， -3.1090e+00，-7.8383e-01]]] [张量（[[0.0000e+00,0.0000e+00,0.0000e+00，…，4.1902e+00， 3.1757e+00,2.2461e+00]， [0.0000e+00，0.0000e+00，0.0000e+00，…，0.0000e+00， 9.8012e-01，0.0000e+00]， [0.0000e+00，0.0000e+00，0.0000e+00，…，0.0000e+00， 2.5570e+00,0.0000e+00]， ..., [0.0000e+00，1.3792e-01，5.4926e+00，…，0.0000e+00， 0.0000e+00,0.0000e+00]， [1.5377e+00，6.0671e-01，2.0974e+00，…，1.2441e+00， 1.5033e+00,0.0000e+00]， [6.8857e-01，0.0000e+00，6.7858e-01，…，1.2052e+00， 1.4533e+00，0.0000e+00]]， [6.8798e-01，1.6971e+00，2.1629e+00，…，3.1701e-01， 8.5424e-01，2.8768e+00]， [1.4013e+00，2.7217e+00，2.1476e+00，…，3.1156e+00， 4.4858e+00,3.6936e+00]， [3.1807e+00，2.2245e+00，2.4665e+00，…，1.3838e+00， 1.0580e-02，0.0000e+00]， ..., [0.0000e+00，0.0000e+00，0.0000e+00，…，2.3266e-01，