从一个特殊神经元中提取重量和偏倚

Question

例如：

input_size = 784
hidden_sizes = [128, 64]
output_size = 10

# Build a feed-forward network
model = nn.Sequential(nn.Linear(input_size, hidden_sizes[0]),
                      nn.ReLU(),
                      nn.Linear(hidden_sizes[0], hidden_sizes[1]),
                      nn.ReLU(),
                      nn.Linear(hidden_sizes[1], output_size),
                      nn.Softmax(dim=1))

我想在一个特定的层中获取N个神经元的所有权重和偏差。我知道model.layer[1].weight给了一个层中所有权重的权限，但我也想知道这个权重是什么神经元。

Answer 1

假设层中有n个神经元，那么从神经元到神经元的重量应该是顺序的。例如，访问完全连接层的权重。

Parameter containing:
tensor([[-7.3584e-03, -2.3753e-02, -2.2565e-02,  ...,  2.1965e-02,
      1.0699e-02, -2.8968e-02], #1st neuron weights
    [ 2.2930e-02, -2.4317e-02,  2.9939e-02,  ...,  1.1536e-02,
      1.9830e-02, -1.4294e-02], #2nd neuron weights
    [ 3.0891e-02,  2.5781e-02, -2.5248e-02,  ..., -1.5813e-02,
      6.1708e-03, -1.8673e-02], #3rd neuron weights
    ...,
    [-1.2596e-03, -1.2320e-05,  1.9106e-02,  ...,  2.1987e-02,
     -3.3817e-02, -9.4880e-03], #nth neuron weights
    [ 1.4234e-02,  2.1246e-02, -1.0369e-02,  ..., -1.2366e-02,
     -4.7024e-04, -2.5259e-02], #(n+1)th neuron weights
    [ 7.5356e-03,  3.4400e-02, -1.0673e-02,  ...,  2.8880e-02,
     -1.0365e-02, -1.2916e-02] #(n+2)th neuron weights], requires_grad=True)

例如

-7.3584e-03，-2.3753e-02，-2.2565e-02，.，2.1965e-02，1.0699e-02，-2.89E-02将是第一神经元的全部重量。

-7.3584e-03是下一层中第一个神经元的重量。

-2.3753e-02是下一层第二个神经元的重量。

-2.2565e-02是下一层第三神经元的重量。

2.2930e-02，-2.4317e-02，2.9939e-02，.，1.1536e-02，1.9830e-02，-1.4294e-02 将是第二神经元的全部重量。

2.2930e-02是下一层第一个神经元的重量。

-2.4317e-02是下一层第二神经元的重量。

-2.2565e-02是下一层第三神经元的重量。

Answer 2

一个重量w_ij^L连接两个神经元，I-神经元(在层L+1中)和j-神经元(在层L中)：

model[2*L].weight[i, j]  # w_ij^L

其中L= 0，1，2。注意:我使用2*L，因为模型的线性层被索引为0、2和4。