Question

我觉得这应该是微不足道的，但我很难在PyBrain文档中找到任何有用的东西，在这里或其他地方。

问题在于：

我有一个在PyBrain中构建和训练的三层（输入，隐藏，输出）前馈网络。每层有三个节点。我想用新颖的输入激活网络，并将结果的激活值存储在隐藏层。据我所知，net.activate（）和net.activateOnDataset（）只返回输出层节点的激活值，是激活网络的唯一方法。

如何获取PyBrain网络的隐藏层激活？

我不确定示例代码在这种情况下会有多大帮助，但无论如何都有一些（使用减少的训练集）：

from pybrain.tools.shortcuts import buildNetwork
from pybrain.datasets import SupervisedDataSet
from pybrain.supervised.trainers import BackpropTrainer

net = buildNetwork(3, 3, 3)

dataSet = SupervisedDataSet(3, 3)
dataSet.addSample((0, 0, 0), (0, 0, 0))
dataSet.addSample((1, 1, 1), (0, 0, 0))
dataSet.addSample((1, 0, 0), (1, 0, 0))
dataSet.addSample((0, 1, 0), (0, 1, 0))
dataSet.addSample((0, 0, 1), (0, 0, 1))

trainer = BackpropTrainer(net, dataSet)
trained = False
acceptableError = 0.001

# train until acceptable error reached
while trained == False :
    error = trainer.train()
    if error < acceptableError :
        trained = True

result = net.activate([0.5, 0.4, 0.7])
print result

在这种情况下，所需的功能是打印隐藏层激活值的列表。

Answer 1

看起来这应该有效：

net['in'].outputbuffer[net['in'].offset]
net['hidden0'].outputbuffer[net['hidden0'].offset]

纯粹基于the source code。

PyBrain网络中所有节点的激活值

1 个答案: