Question

以下keras FAQ示例[1]我想澄清如何从中间层获取预测。让我们说我有几个带有辍学的密集层，例如

model = Sequential()
model.add(Dense(out_dim, input_dim=input_dim, name="layer1"))
model.add(LeakyReLU()) # or whatever activation you want to use
model.add(Dropout(0.5))
model.add(Dense(int_dim, name="layer2"))
.... # here we have activation, dropout, etc.
model.add(Dense(lat_dim, name="layerN"))
# at last we add sigmoid and yield probabilities
model.add(Dense(1))
model.add(Activation("sigmoid"))
model.summary()

并且，我有兴趣从layerN 获得预测，包括所有以前的图层。 [1]推荐了几种方法，第一种方法是构建另一种模型，例如

new_model = Model(inputs=model.input,
                  outputs=model.get_layer("layerN").output)
output = new_model.predict(data)

我的问题是新模型是否采用输入向量而仅从＆＃34; layerN＆＃34;或者它实际上将我的输入通过所有层（包括丢失等）传播到＆＃34; layerN＆＃34;然后产生预测？如果它是前者，是否意味着我需要基本上构建新模型，所有图层都是原始的〜＃34; layerN＆＃34;？

最佳，瓦伦丁。

[1] https://keras.io/getting-started/faq/#how-can-i-obtain-the-output-of-an-intermediate-layer

Answer 1

是的，您必须构建一个包含您想要的所有图层作为输出的模型，这不会自动完成。

如何从keras中间层获得预测，包括所有先前的层

1 个答案: