Question

在CNTK Python API中创建，保存，加载和评估具有多个输出的模型有哪些建议？（我正在使用CNTK 2.0 RC1）

当我在运行时定义网络时，我可以通过将小批量字典传递给 eval 函数来轻松评估网络的任何层。

但是，在我保存模型并再次加载之后，我只能通过提供输入来评估输出节点（我不知道如何在Python API中定义多个输出）。我可以使用 find_all_by_name 方法访问任何图层，但是当我尝试使用 eval 方法评估隐藏图层时，它希望我提供图层的立即输入，而不是相关网络的输入：

ValueError: No value specified for input Variable 'Output('Block1958_Output_0', [#], [1024 x 200])' of Function 'Dense: Output('Block1958_Output_0', [#], [1024
x 200]) -> Output('conversation_vector', [#], [100])'.

我只找到了关于该主题的以下文档，这些文档适用于Brainscript：https://github.com/Microsoft/CNTK/wiki/CNTK-Evaluate-Hidden-Layers - 我找不到任何特定于Python API的内容。

Answer 1

model.outputs [0]是一个变量，如果所有者是原始函数，你可以通过model.outputs [0] .owner或as_composite（model.outputs [0] .owner）转到它的函数。仅显示直接输入，而复合函数显示用于映射的根输入变量

所以试试这个：

as_composite(model.outputs[0].owner).eval(...)

Answer 2

获取所需的所有图层后，可以使用Combine（）创建新函数，然后在新函数上调用eval。它适用于C ++，但我还没有在Python中尝试过。

https://www.cntk.ai/pythondocs/cntk.ops.html?highlight=combine#cntk.ops.combine

CNTK Python API：评估隐藏层/多个输出

2 个答案: