Question

假设我已经训练了以下模型的时代：

model = Sequential([
    Dense(32, input_dim=784), # first number is output_dim
    Activation('relu'),
    Dense(10), # output_dim, input_dim is taken for granted from above
    Activation('softmax'),
])

我得到了权重dense1_w，第一个隐藏图层（名为dense1_b）的偏差dense1和单个数据样本sample。

如何使用这些来获取dense1 sample中keras的输出？

谢谢！

Answer 1

最简单的方法是使用keras后端。使用keras后端，您可以定义一个函数，为您提供此处定义的keras模型的中间输出（https://keras.io/getting-started/faq/#how-can-i-obtain-the-output-of-an-intermediate-layer）。

所以实质上：

int index = abc.indexOf("def");
if (index == -1) {
    index = abc.indexOf("ghi");
} else {
    // something else
}

Answer 2

只需重新创建模型的第一部分，直到您想要输出的图层（在您的情况下只有第一个密集图层）。之后，您可以在新创建的模型中加载第一部分的训练权重并进行编译。

使用这个新模型的预测输出将是图层的输出（在您的情况下是第一个密集图层）。

from keras.models import Sequential
from keras.layers import Dense, Activation
import numpy as np

model = Sequential([
    Dense(32, input_dim=784), # first number is output_dim
    Activation('relu'),
    Dense(10), # output_dim, input_dim is taken for granted from above
    Activation('softmax'),
])
model.compile(optimizer='adam', loss='categorical_crossentropy')

#create some random data
n_features = 5
samples = np.random.randint(0, 10, 784*n_features).reshape(-1,784)
labels = np.arange(10*n_features).reshape(-1, 10)

#train your sample model
model.fit(samples, labels)

#create new model
new_model= Sequential([
    Dense(32, input_dim=784), # first number is output_dim
    Activation('relu')])

#set weights of the first layer
new_model.set_weights(model.layers[0].get_weights())

#compile it after setting the weights
new_model.compile(optimizer='adam', loss='categorical_crossentropy')

#get output of the first dens layer
output = new_model.predict(samples)

Answer 3

关于权重，我有一个非顺序模型。我所做的是使用model.summary()获取所需的图层名称，然后使用model.get_layer("layer_name").get_weights()获取权重。

如何在keras中给出隐藏层的输入，权重和偏差来获取隐藏层的输出？

3 个答案: