Question

我是Keras的新手，我打算在每个时代存储我的网络输出。为此，我想使用Tensorbaord来观察其环境中的输出层。

class OutputObserver(Callback):
""""
callback to observe the output of the network
"""

    def on_train_begin(self, logs={}):
        self.epoch = []
        self.out_log = []

    def on_epoch_end(self, epoch, logs={}):
        self.epoch.append(epoch) 
        self.out_log.append(self.model.get_layer('Dense03/Output').output)

这会将输出张量存储到列表中。问题是我无法做到1.将其转换为Numpy数组，以便可以读取CSV，...文件，2。使用Tensorflow编写摘要（因为Keras没有此功能），然后分析输出在Tensorboard。

我很高兴听到您关于在每个培训时期存储和可视化输出层的意见。

此致赛义德。

Answer 1

要为每个纪元保存输出图层，您需要将训练/验证数据传递给回调对象。我使用的回调如下，

class OutputObserver(Callback):
""""
callback to observe the output of the network
"""

def __init__(self, xy):
    self.out_log = []
    self.xy = xy

def on_epoch_end(self, epoch, logs={}):
    self.out_log.append(self.model.predict(self.xy.x_train, batch_size=p.bath_size))

其中xy.x_train是训练数据。

现在，out_log数组是一个numpy.ndarray的形状（epoch_number，data_number，prediction_length）：

type(prediction_logs[0])
Out[62]: numpy.ndarray

Keras中的回调函数可以在每个时期保存预测输出

1 个答案: