保存pytorch模型中的嵌入层

我有这个模型：

类模型（nn.Module）：
定义初始化（自）：
super（）。\uuuu init\uuuuu（）
self.conv1=nn.Conv2d（输入通道=12，输出通道=64，内核大小=3，步长=1，填充=1）
#self.conv2=nn.Conv2d（输入通道=64，输出通道=64，内核大小=3，步长=1，填充=1）
self.fc1=nn.Linear（24576128）
self.bn=nn.BatchNorm1d（128）
self.dropout1=nn.Dropout2d（0.5）
self.fc2=nn.线性（128,10）
self.fc3=nn.线性（10,3）
def前进（自身，x）：
x=F.relu（自转换1（x））
#x=F.relu（自转换2（x））
x=F.max_pool2d（x，（2,2））
#打印（x.shape）
x=x.view（-124576）
x=self.bn（F.relu（self.fc1（x）））
x=自辍学1（x）
嵌入阶段=F.relu（自fc2（x））
x=self.fc3（嵌入级）
返回x

我想保存嵌入层，就像我在这里保存模型一样：

model = model()
torch.save(model.state_dict(), 'C:\project\count_speakers\model_pytorch.h5')

谢谢，

---

Ayal

我不确定我是否理解“保存嵌入层”的含义，但如果您想保存fc2或fc3或其他内容，则可以使用torch.save（）进行保存。
例如：保存fc3:

torch.save（model.fc3），'C:\…\fc3.pt'）

编辑： Op希望获得嵌入_阶段的输出。
您可以通过以下几种方式实现：

• 使用

  model.load\u state\u dict（torch.load（'C:\…\model\u pytorch.h5'））加载您的模型。

  然后

  model=nn.Sequential（*列表（model.children（））[：-1]）

  。模型的输出为嵌入_阶段

• 制作一个与第一个

  Model（）

  完全相同的

  Model2（nn.Module）

  ，但将

  def forward（self，x）中的
  return x
  替换为
  return embeding\u stage
  。然后将第一个模型的状态加载到第二个模型中，如下所示：
  model2.load\u state\u dict（torch.load（'C:\…\model\u pytorch.h5'）
  
  
  像这样，将加载fc3，但不使用。model2（x）的输出将是嵌入_阶段
  

---

保存

嵌入\u stage

是什么意思？你想保存

self.fc2（）

layer吗？为什么

torch.save

不能满足你的需要？我的意思是，保存后，我想再次加载模型，然后测试模型，但不是得到完整模型的结果，而是提前一步，即：val_输出=模型（val_输入），但是val_输出的大小为10，类似于fc2