pytorch如何提取子层的特征图输出

Question

在复现STDN网络的过程中，需要提取最后一个denseblock的中间某6层特征图输出用作预测和回归。
我所编写网络的部分打印结果如下：

…………
(transition3): Sequential(
    (transition_bn): BatchNorm2d(1280, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
    (transition_relu): ReLU(inplace=True)
    (transition_conv): Conv2d(1280, 640, kernel_size=(1, 1), stride=(1, 1))
    (transition_pool): AvgPool2d(kernel_size=2, stride=2, padding=0)
  )
  (denseblock4): Sequential(
    (dense_0): denselayer(
      (bn1): BatchNorm2d(640, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
      (relu1): ReLU(inplace=True)
      (conv1): Conv2d(640, 128, kernel_size=(1, 1), stride=(1, 1), bias=False)
      (bn2): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
      (relu2): ReLU(inplace=True)
      (conv2): Conv2d(128, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
    )
    (dense_1): denselayer(
      (bn1): BatchNorm2d(672, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
      (relu1): ReLU(inplace=True)
      (conv1): Conv2d(672, 128, kernel_size=(1, 1), stride=(1, 1), bias=False)
      (bn2): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
      (relu2): ReLU(inplace=True)
      (conv2): Conv2d(128, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False)
    )
…………

其中（transition3）为（denseblock4）前的过渡层，（denseblock4）内有dense_0 - 31共32个密集连接层。现在我需要提取在（denseblock4）其中的dense_4 9 14 19 24 31的输出特征图出来，请问应该怎么做？
网上找寻的方法只能提取整个（denseblock4）的输出，没法再深入到（denseblock4）其中的子层。
感谢！！

Answer 1

在forward中，通过子层名提取出所需要的特征图结果输出：

    def forward(self, x):
        …… ……
        feature_list = []
        for (name, module) in self.denseblock4.named_children():
            name_list = ['dense_4', 'dense_9', 'dense_14', 'dense_19', 'dense_24', 'dense_31']
            x = module(x)
            if name in name_list:
                feature_list.append(x)
        return x, feature_list