特征图可视化——模型加载

问题遇到的现象和发生背景

您好，在应用您的代码进行特征图可视化的时候，在加载模型之后报错，模型是自己构建的模型。

问题相关代码，请勿粘贴截图

def get_feature():
    # 输入数据
    root_path = 'M:\\uent_source\\unet-pytorch-main\\unet-pytorch-main\\unet-pytorch-main\\img\\'
    pic_dir = '2_15.jpg'
    rgb_path = root_path + pic_dir
    img_rgb = get_picture(rgb_path, transform)
    # 插入维度
    img_rgb = img_rgb.unsqueeze(0)
    img_rgb = img_rgb.to(device)
    # 插入维度
    # 加载模型,模型路径
    num_classes = 2
    pretrained = False
    model = Unet(num_classes=num_classes, pretrained=pretrained).train()
    # model_dict和model有什么格式上的区别
    model.load_state_dict(torch.load(
        'M:\\uent_source\\unet-pytorch-main\\unet-pytorch-main\\unet-pytorch-main\logs\ep100-loss0.041-val_loss0.072.pth'))
    model.to(device)
    exact_list = ["vgg1","vgg2","vgg3","vgg4","vgg5","up4_att","up4","up3_att","up3","up2_att","up2","up1_att","up1"]
    # myexactor = FeatureExtractor(model, exact_list)
    img1 = {'rgb': img_rgb}
    result, all_dict = model(img_rgb)
    outputs = []

运行结果及报错内容

我的解答思路和尝试过的方法

查看了加载的model字典的组成结构，问题出在result,all_dict=model（img_rgb）上，我不知道这里是不是指的是Unet模型返回的是两个参数，一个预测结果和一个字典格式，字典格式存放的又是什么呢？我是不是需要在网络结构类里返回这个字典呢？我的模型加载方式是否有问题呢？谢谢您的解答。

我想要达到的结果

能得到各个层的特征图的可视化。

我们首先定位问题，应该是出现在model上面，你再检查下你模型的forward(self,xx,xx)到底是几个参数，还有forward返回的值是几个。
result, all_dict = model(img_rgb)
把你的模型看成一个黑盒子，这里传入的是一个值，希望得到2个值，我看报错应该是由于你的forward只返回了一个值。

字典格式存放的又是什么呢？
字典的key就放你那些vgg什么的就行，value放你模型的特征图。
在模型的forward里面，首先定义字典 dic = {}
然后依次放入你的特征图，dic['layer1'] = F1 dic['layer2'] = F2
最后把这个字典返回来，给到all_dict这个参数。

如果你模型的forward只想返回一个值，那就把result这个变量去掉，我们其实只需要result就行。