Question

我试图在Keras上查看每个图层的输出，但是我无法获得正确的代码，所以我做了一个简单的代码。

问题：我应该如何获取在整个层中都有RNN层的每个层的输出？

您可以在下面的代码中看到我的尝试方式。

以下是有效的测试代码（1）：

seq_length = 3
latent_dim = 2
inputs = Input(shape=(seq_length, latent_dim))
outputs = Dense(5)(inputs)
outputs = Flatten()(outputs)

model = Model(inputs=inputs, outputs=outputs)
model.compile(optimizer='rmsprop', loss='mse')
print(model.summary())

要查看每个图层（2）的输出：

layer_outputs = list()
for idx, l in enumerate(model.layers):
    if idx == 0:
        continue
    layer_outputs.append(l.output)
get_3rd_layer_output = K.function([model.layers[0].input],
                                  layer_outputs)
layer_output = get_3rd_layer_output([enc_input])
print('')
for l_output in layer_output:
    print(l_output[0][0])
    print('')

然后输出将类似于

[4.172303 -2.248884 1.397713 3.2669916 2.5788064]

4.172303

但是，如果我尝试使用下面使用RNN的代码测试与（2）相同的逻辑：

seq_length = 3
latent_dim = 2
inputs = Input(shape=(seq_length, latent_dim))
outputs, last_output = GRU(latent_dim, return_state=True, return_sequences=True)(inputs)

model = Model(inputs=inputs, outputs=outputs)
model.compile(optimizer='rmsprop', loss='mse')
print(model.summary())

并使用（2）进行测试，它将发出如下信号：

-------------------------------------------------- ---------------------------- TypeError跟踪（最近的呼叫   最后）         5 layer_outputs.append（l.output）         6 get_3rd_layer_output = K.function（[model.layers [0] .input]，   ----> 7 layer_outputs）         8 layer_output = get_3rd_layer_output（[enc_input]）         9次打印（''）

d：\ igs_projects \ nlp_nlu \ venv \ lib \ site-packages \ keras \ backend \ tensorflow_backend.py   在函数中（输入，输出，更新，** wargs）2742
  msg ='通过TensorFlow将无效的参数“％s”传递给K.function   后端'％键2743引发ValueError（msg）   -> 2744返回函数（输入，输出，更新=更新，**假）2745 2746

d：\ igs_projects \ nlp_nlu \ venv \ lib \ site-packages \ keras \ backend \ tensorflow_backend.py   在 init （自身，输入，输出，更新，名称，** session_kwargs）中
  2544 self.inputs = list（inputs）2545 self.outputs =   清单（输出）   -> 2546，带有tf.control_dependencies（self.outputs）：2547 updates_ops = [] 2548，用于更新：

d：\ igs_projects \ nlp_nlu \ venv \ lib \ site-packages \ tensorflow \ python \ framework \ ops.py   在control_dependencies（control_inputs）5002中返回   _NullContextmanager（）5003其他：   -> 5004返回get_default_graph（）。control_dependencies（control_inputs）5005
  5006

d：\ igs_projects \ nlp_nlu \ venv \ lib \ site-packages \ tensorflow \ python \ framework \ ops.py   在control_dependencies（self，control_inputs）中4541如果   isinstance（c，IndexedSlices）：4542 c = c.op   -> 4543 c = self.as_graph_element（c）4544 if isinstance（c，张量）：4545 c = c.op

d：\ igs_projects \ nlp_nlu \ venv \ lib \ site-packages \ tensorflow \ python \ framework \ ops.py   在as_graph_element中（self，obj，allow_tensor，allow_operation）3488   3489具有self._lock：   -> 3490返回self._as_graph_element_locked（obj，allow_tensor，allow_operation）3491 3492 def _as_graph_element_locked（self，   obj，allow_tensor，allow_operation）：

d：\ igs_projects \ nlp_nlu \ venv \ lib \ site-packages \ tensorflow \ python \ framework \ ops.py   在_as_graph_element_locked中（self，obj，allow_tensor，allow_operation）   3577＃我们放弃！ 3578引发TypeError（“无法   将％s转换为％s。“％（type（obj）。名称，   -> 3579 types_str））3580 3581 def get_operations（self）：

TypeError：无法将列表转换为张量或操作。

Answer 1

对于GRU层，layer.output本身就是一个列表。

import tkinter as tk

def callback(event):
    #print('event.widget.get():', event.widget.get())
    event.widget.insert('end', '.')  # put new text in Entry
    return 'break' # stop event so it will not put comma in Entry

root = tk.Tk()

e = tk.Entry(root)
e.pack()
e.bind('<Key-comma>', callback) # execute callback before it puts comma in Entry

root.mainloop()

layer_outputs是一个包含另一个列表的列表，因此错误“无法将列表转换为张量或运算” 。

>>> model.layers[1].output
[<tf.Tensor 'gru_1/transpose_1:0' shape=(?, ?, 2) dtype=float32>, <tf.Tensor 'gru_1/while/Exit_3:0' shape=(?, 2) dtype=float32>]

更新这样的代码应该可以：

>>> layer_outputs
[[<tf.Tensor 'gru_1/transpose_1:0' shape=(?, ?, 2) dtype=float32>, <tf.Tensor 'gru_1/while/Exit_3:0' shape=(?, 2) dtype=float32>]]

Keras函数（K.function）不适用于RNN（提供了代码）

1 个答案: