MXNet Gluon - 以编程方式访问神经网络层维度？

Question

让我们首先在 MXNet Gluon 中创建一个非常基本的深度神经网络（灵感来自 this tutorial）：

import mxnet as mx
from mxnet import gluon

ctx = mx.cpu()

net = gluon.nn.Sequential()
with net.name_scope():
    net.add(gluon.nn.Conv2D(channels=20, kernel_size=5, activation='relu'))
    net.add(gluon.nn.MaxPool2D(pool_size=2, strides=2))

现在，如果我们想打印出图层的尺寸，我们所要做的就是...

print(net[0])
  # prints: Conv2D(None -> 20, kernel_size=(5, 5), stride=(1, 1), Activation(relu))

print(net[1])
  # prints: MaxPool2D(size=(2, 2), stride=(2, 2), padding=(0, 0), ceil_mode=False)

但是，如果我们想以编程方式检查net[1] 的padding，而不是将其打印出来怎么办？

当我尝试 net[1].padding 时，出现错误 AttributeError: 'MaxPool2D' object has no attribute 'padding'。
当我尝试 net[1]['padding'] 时，出现错误 TypeError: 'MaxPool2D' object is not subscriptable。

那么，在 MXNet Gluon 中以编程方式访问神经网络层维度的正确方法是什么？

Answer 1

print(net[1]._kwargs["pad"])

尝试从 kwargs 字典中获取它们。在 this source.

寻找其他键

This 是代码的 Colab link。

其他键是 kernel 用于内核大小，stride 用于步幅，.

获取所有键和值：

for k, v in net[1]._kwargs.items():
    print(k, v)

MXNet Gluon - 以编程方式访问神经网络层维度？

MXNet Gluon - programmatically accessing neural net layer dimensions?

python

neural-network

mxnet