Question

我编写了一个带有3个隐藏层的神经网络（使用Python中的Keras模块）。网的代码如下：

# Create the model
np.random.seed(1)   # Just for reproducibility of results

model = Sequential()
model.add(Dense(input_dim=x.shape[1],
                output_dim=50,
                init='uniform',
                activation='tanh'))

model.add(Dense(input_dim=50,
                output_dim=50,
                init='uniform',
                activation='tanh'))

model.add(Dense(input_dim=50,
                output_dim=10,
                init='uniform',
                activation='tanh'))

model.add(Dense(input_dim=10,
                output_dim=1,
                init='uniform',
                activation='linear'))

optimizer = keras.optimizers.RMSprop(lr=0.001, rho=0.9, epsilon=1e-08)
model.compile(loss='mse', optimizer=optimizer)

history = model.fit(x,y,nb_epoch=2000,batch_size=20,verbose=1,validation_split=0.1)

我已经训练了神经网络并且有权重矩阵。

但是，有一个软件，我想使用神经网络学习的这个功能，并且该软件不支持神经网络。所以，我直接将该等式赋予该软件。基本上，我想将此神经网络表达为仅输入要素（例如，x1，x2，x3，...，xd）的函数。

作为号码。隐藏层的数量增加，手动执行此任务变得更加繁琐。通过几次搜索，我发现MATLAB的 nn工具箱中的genFunction（）就是这样做的。但遗憾的是，我不能在这里使用MATLAB。

我想知道Keras（或者一般来说是Python）中是否有一个函数来执行此操作，即它是否可以直接给我函数方程，或者可能是一个接受x1，x2，...的代码片段。。，xd作为输入并返回输出值？

Keras / Python相当于nn工具箱中的Matlab＆n'genFunction

0 个答案: