Question

我正在构建自动编码器并训练模型，以使目标输出与输入相同。

我正在使用顺序Keras模型。当我使用model.predict时，我希望它从特定层（Dense256）而不是输出中导出数组。

这是我当前的模型：

model = Sequential()
model.add(Dense(4096, input_dim = x.shape[1], activation = 'relu'))
model.add(Dense(2048, activation='relu'))
model.add(Dense(1024, activation='relu'))
model.add(Dense(512, activation='relu'))
model.add(Dense(256, activation='relu'))
model.add(Dense(512, activation='relu'))
model.add(Dense(1024, activation='relu'))
model.add(Dense(2048, activation='relu'))
model.add(Dense(4096, activation='relu'))
model.add(Dense(x.shape[1], activation ='sigmoid'))
model.compile(loss = 'mean_squared_error', optimizer = 'adam')
history = model.fit(data_train,data_train,
                    verbose=1,
                    epochs=10, 
                    batch_size=256,
                    shuffle=True,
                    validation_data=(data_test, data_test))

Answer 1

训练后，从训练到的模型（模型）中以所需的图层结尾创建一个新模型（model2）。

您可以使用图层名称进行操作：

（在model.summary（）中，具有256个神经元的密集层的“名称”为density_5）

from keras.models import Model
model2= Model(model.input,model.get_layer('dense_5').output)

或具有图层顺序：

（您的具有256个神经元的致密层在model.summary（）中排名第五）

from keras.models import Model
model2= Model(model.input,model.layers[4].output)

然后您可以使用预测

preds=model2.predict(x)

Answer 2

{layer.get_weights()将层的权重作为一个numpy数组返回，然后可以将其保存，例如使用np.save。

要从numpy数组中设置权重，可以使用layer.set_weights(weights)。

您可以按名称（model.get_layer(LAYER_NAME)或按其编号（model.layers[LAYER_INDEX]）访问图层。

从顺序Keras模型中保存特定层

2 个答案: