Question

我能够按照Keras Docs: how-can-i-obtain-the-output-of-an-intermediate-layer

的建议获取所有图层的输出/预测

def get_output_of_all_layers(model, test_input):
    output_of_all_layers = []

    for count, layer in enumerate(model.layers):

        # skip the input layer
        if count == 0:
            continue

        intermediate_layer_model = Model(inputs=model.input, outputs=model.get_layer(layer.name).output)
        intermediate_output = intermediate_layer_model.predict(test_input)[0]

        output_of_all_layers.append(intermediate_output)

    return np.array(output_of_all_layers)

但这非常慢，而且耗时超过一分钟（以{<1>}与6700HQ一起在{ 65s 上运行），这荒谬地高，推断发生的时间不到秒...！）用于约50层的模型。我猜这是因为它每次都会构建一个模型，将模型加载到内存中，传递输入并获取输出。显然，如果没有其他层的结果就无法获得最后一层的输出，如何像上面一样保存它们，而不必创建冗余模型（或以更快，更有效的方式）？

更新：我还注意到这没有利用我的GPU，这意味着所有转换层都由CPU执行吗？为什么它不使用我的GPU？我认为，如果使用我的GPU，它的使用量将会减少。

我如何更有效地做到这一点？

Answer 1

如本·乌斯曼（Ben Usman）所建议，您可以首先将模型包装在基本的端到端RS中，并将其层作为输出提供给第二个GS：

LeftStr(str, 8) = '][' + #30 + '01' + #29

或者，您可以类似的方式使用Keras函数：

Model

Keras / Tensorflow：有效获取所有图层的预测或输出

1 个答案: