WOLFRAM

Wolfram 语言与系统参考资料中心

NetExtract[layer,"param"]

提取指定网络层的参数的值.

NetExtract[net,lspec]

从 NetGraph 或 NetChain 对象 net 内提取由 lspec 标识出的网络层.

NetExtract[net,{lspec,"param"}]

从 net 内由 lspec 标识出的层提取参数 param 的值.

NetExtract[net,NetArray[spec]]

提取网络或层中共享数组的值.

NetExtract[coder,"param"]

提取指定的 NetEncoder 或 NetDecoder 的参数值.

NetExtract[…,{spec1,spec2,…}]

提取一组元素，其中每个 speci 是一个列表

NetExtract[spec]

表示 NetExtract 的运算符形式，可应用于表达式.

更多信息
Details and Options Details and Options
范例  
基本范例  
范围  
属性和关系  
可能存在的问题  
参见
相关指南
历史
按以下格式引用：

NetExtract

NetExtract[layer,"param"]

提取指定网络层的参数的值.

NetExtract[net,lspec]

从 NetGraph 或 NetChain 对象 net 内提取由 lspec 标识出的网络层.

NetExtract[net,{lspec,"param"}]

从 net 内由 lspec 标识出的层提取参数 param 的值.

NetExtract[net,NetArray[spec]]

提取网络或层中共享数组的值.

NetExtract[coder,"param"]

提取指定的 NetEncoder 或 NetDecoder 的参数值.

NetExtract[…,{spec1,spec2,…}]

提取一组元素，其中每个 speci 是一个列表

NetExtract[spec]

表示 NetExtract 的运算符形式，可应用于表达式.

更多信息

  • NetExtract 支持网络层指定 All，以表明应返回一个关联，给出 NetGraph 或 NetChain 内的所有网络层，或给出网络层、NetEncoder 和 NetDecoder 的所有属性.
  • 网络层指定可以是一个整数，表明第 n 层，也可以是一个字符串，表明一个已命名的网络层.
  • 参数指定可以是任意数组的名称或一个网络层包含的选项.
  • 如果学到的参数还没有被初始化，或还没有推断出未学到的参数，NetExtract 返回 Automatic.
  • 当 speci 不是列表时，NetExtract[net,{spec1,spec2,…}] 等价于 net[[spec1,spec2,…]].
  • 对于 NetChain、NetGraph、NetEncoder、NetDecoder 和网络层，Normal[net] 等价于 NetExtract[net,All].

范例

打开所有单元 关闭所有单元

基本范例  (4)

创建随机初始化的层：

Wolfram Language code: layer = NetInitialize @ LinearLayer[2, "Input" -> 2]

从网络层中提取加权矩阵：

Wolfram Language code: NetExtract[layer, "Weights"]//Normal

创建一个 NetChain：

Wolfram Language code: chain = NetChain[{1, 2, 3}]

提取第三层：

Wolfram Language code: NetExtract[chain, 3]

创建含有网络的运算符：

Wolfram Language code: op = NetMapOperator[LinearLayer[5]]

提取运算符中的网络：

Wolfram Language code: NetExtract[op, "Net"]

创建一个 NetEncoder：

Wolfram Language code: encoder = NetEncoder["Image"]

提取编码器的类型：

Wolfram Language code: NetExtract[encoder, "Type"]

提取编码器的输出的维度：

Wolfram Language code: NetExtract[encoder, "Output"]

提取编码器的色彩空间：

Wolfram Language code: NetExtract[encoder, "ColorSpace"]

范围  (7)

用已命名层创建 NetChain：

Wolfram Language code: chain = NetChain[<|"x" -> LinearLayer[5], "y" -> Ramp, "z" -> LinearLayer[10]|>]

提取第一层：

Wolfram Language code: NetExtract[chain, 1]

提取最后一层：

Wolfram Language code: NetExtract[chain, -1]

提取已命名层：

Wolfram Language code: NetExtract[chain, "y"]

提取 elementwise 层中使用的函数：

Wolfram Language code: NetExtract[chain, {2, "Function"}]

提取几个层：

Wolfram Language code: NetExtract[chain, {{1}, {3}}]

提取所有层：

Wolfram Language code: NetExtract[chain, All]

创建一个初始化的 NetChain：

Wolfram Language code: chain = NetInitialize @ NetChain[<|"a" -> 2, "b" -> 2, "c" -> 2|>, "Input" -> 2]

从特定层中提取权重：

Wolfram Language code: NetExtract[chain, {2, "Weights"}]

从所有层中提取权重：

Wolfram Language code: NetExtract[chain, {All, "Weights"}]

用已命名层创建 NetGraph 对象：

Wolfram Language code: graph = NetGraph[<|"linear1" -> LinearLayer[2], "linear2" -> LinearLayer[5]|>, {"linear1" -> "linear2"}]

提取已命名层：

Wolfram Language code: NetExtract[graph, "linear1"]

提取所有层：

Wolfram Language code: NetExtract[graph, All]

创建具有特定输入维度的层：

Wolfram Language code: net = FlattenLayer["Input" -> {5, 5}]

提取输入维度：

Wolfram Language code: NetExtract[net, "Input"]

提取输出维度：

Wolfram Language code: NetExtract[net, "Output"]

创建附加有编码器的层：

Wolfram Language code: net = PoolingLayer[5, "Input" -> NetEncoder["Image"]]

提取输入编码器：

Wolfram Language code: NetExtract[net, "Input"]

提取输入编码器的一个参数：

Wolfram Language code: NetExtract[net, {"Input", "ImageSize"}]

提取输入编码器的类型和输出的维度：

Wolfram Language code: NetExtract[net, {"Input", {"Type", "Output"}}]

提取网络中所有共享数组的值：

Wolfram Language code: net = NetInitialize[NetChain[{NetInsertSharedArrays[EmbeddingLayer[3]], NetInsertSharedArrays[LinearLayer[2]]}]]
Wolfram Language code: NetExtract[net, NetArray[All]]
Wolfram Language code: NetExtract[net, NetArray["Weights"]]

在该例子中，NetArray["Weights"] 对应于所有层中的权值：

Wolfram Language code: NetExtract[net, {All, "Weights"}]

使用一个 NetExtract 运算符：

Wolfram Language code: NetExtract[1]@NetChain[{ElementwiseLayer[Sin], SummationLayer[]}]

属性和关系  (1)

NetExtract 所支持的部分指定与 NetReplacePart 使用的完全相同. 提取 NetChain 的第三层的权重：

Wolfram Language code: partSpec = {3, "Weights"};
Wolfram Language code: net = NetInitialize@NetChain[{LinearLayer[2], Ramp, LinearLayer[3], Ramp}, "Input" -> {3}];
Wolfram Language code: NetExtract[net, partSpec]

用同样的指定替换权重：

Wolfram Language code: NetReplacePart[net, partSpec -> {{1, 2}, {3, 4}, {5, 6}}]

可能存在的问题  (1)

创建一个 ConvolutionLayer：

Wolfram Language code: conv = ConvolutionLayer[3, {2, 2}]

试图提取该未初始化层的权重，返回的是 Automatic：

Wolfram Language code: NetExtract[conv, "Weights"]

可以提取已知的参数：

Wolfram Language code: NetExtract[conv, "KernelSize"]
Wolfram Research (2016)，NetExtract，Wolfram 语言函数，https://reference.wolfram.com/language/ref/NetExtract.html （更新于 2020 年）.

文本

Wolfram Research (2016)，NetExtract，Wolfram 语言函数，https://reference.wolfram.com/language/ref/NetExtract.html （更新于 2020 年）.

CMS

Wolfram 语言. 2016. "NetExtract." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2020. https://reference.wolfram.com/language/ref/NetExtract.html.

APA

Wolfram 语言. (2016). NetExtract. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/NetExtract.html 年

BibTeX

@misc{reference.wolfram_2026_netextract, author="Wolfram Research", title="{NetExtract}", year="2020", howpublished="\url{https://reference.wolfram.com/language/ref/NetExtract.html}", note=[Accessed: 06-November-2026]}

BibLaTeX

@online{reference.wolfram_2026_netextract, organization={Wolfram Research}, title={NetExtract}, year={2020}, url={https://reference.wolfram.com/language/ref/NetExtract.html}, note=[Accessed: 06-November-2026]}