tsne_mobilenetv2.py

for i, (img, target,_) in enumerate(tqdm(dataloader)):
    
    feat_list = []
    def hook(module, input, output): 
        
        # 由於MobileNetv2不像ResNet18有宣告self.avgpool()，因此我的作法是將模型卷積層的最後一層的輸出手動進行adaptive_avg_pool2d
        # 接著將它加到feature_list中

        feat_list.append(nn.functional.adaptive_avg_pool2d(output.clone(), (1, 1)).reshape(output.clone().shape[0], -1).detach())                
    
    images = img.to(device)
    target = target.squeeze().tolist()
    
    for element in target:
        labels.append(element)
    
    with torch.no_grad():
        handle=model.features[-1].register_forward_hook(hook)   # 模型卷積層最後一層的輸出(model.features[-1])
        output = model.forward(images)
        
        feat = torch.flatten(feat_list[0], 1)
        handle.remove()
    
    current_features = feat.cpu().numpy()
    if features is not None:
        features = np.concatenate((features, current_features))
    else:
        features = current_features

return features, labels

謝謝您的解說！我理解了！原本以為是最後一個步驟才執行if else，是我忽略了他會不斷讀取dataloader裡的資料去做更新。
謝謝您。