Question

最后我设法从一个文件训练一个网络:)现在我想打印节点和权重，特别是权重，因为我想用pybrain训练网络，然后在其他地方实现NN将使用它

我需要一种方法来打印节点之间的层，节点和权重，以便我可以轻松地复制它。到目前为止，我看到我可以使用n ['in']来访问图层，然后我可以这样做：

DIR（N [ '在']）       ['strong>类'，' delattr '，' dict '，' doc '，'格式'，' getattribute '，'哈希'，' init '，'模块'， ' new '，' reduce '，' reduce_ex '，' repr '，' setattr < / strong>'，' sizeof '，' str '，'子类别'，'弱点'，' _backwardImplementation'，'_ forwardImplementation'，'_ generateName'，'_ getName'，'_ _ growBuffers'，'_ name'，'_ nameIds'，'_ readBuffers'，'_ setName'，'activate'，'activateOnDataset'，'argdict'，'backActivate' ，'后退'，'缓冲列表'，'暗淡'，'前进'，'getName'，'indim'，'inputbuffer'，'inputerror'，'name'，'offset'，'outdim'，'outputbuffer'，' outputerror'，'paramdim'，'reset'，'sequential'，'setArgs'，'setName'，'shift'，'whichNeuron']

但我不知道如何在这里访问权重。还有params属性，例如我的网络是2 4 1有偏见，它说：




n.params       数组（[ - 0.8167133,1.00077451，-0.7591257，-1.1150532，-1.58789386，               0.11625991,0.98547457，-0.99397871，-1.8324281，-2.42200963，               1.90617387,1.93741167，-2.88433965,0.27449852，-1.52606976，               2.39446258,3.01359547]）



很难说什么是什么，至少在重量连接哪些节点时。这就是我所需要的一切。

Answer 1

有许多方法可以访问网络的内部，即通过其“模块”列表或其“连接”字典。参数存储在这些连接或模块中。例如，以下内容应打印任意网络的所有信息：

for mod in net.modules:
    print("Module:", mod.name)
    if mod.paramdim > 0:
        print("--parameters:", mod.params)
    for conn in net.connections[mod]:
        print("-connection to", conn.outmod.name)
        if conn.paramdim > 0:
             print("- parameters", conn.params)
    if hasattr(net, "recurrentConns"):
        print("Recurrent connections")
        for conn in net.recurrentConns:
            print("-", conn.inmod.name, " to", conn.outmod.name)
            if conn.paramdim > 0:
                print("- parameters", conn.params)

如果你想要更细粒度的东西（在神经元级而不是层级），你将不得不进一步分解这些参数向量 - 或者，从单神经元层构建你的网络。

Answer 2

也许这有帮助（PyBrain for Python 3.2）？

C:\tmp\pybrain_examples>\Python32\python.exe
Python 3.2 (r32:88445, Feb 20 2011, 21:29:02) [MSC v.1500 32 bit (Intel)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> from pybrain.tools.shortcuts import buildNetwork
>>> from pybrain.structure.modules.tanhlayer import TanhLayer
>>> from pybrain.structure.modules.softmax import SoftmaxLayer
>>>
>>> net = buildNetwork(4, 3, 1,bias=True,hiddenclass = TanhLayer, outclass =   SoftmaxLayer)
>>> print(net)
FeedForwardNetwork-8
Modules:
[<BiasUnit 'bias'>, <LinearLayer 'in'>, <TanhLayer 'hidden0'>, <SoftmaxLayer 'out'>]
Connections:
[<FullConnection 'FullConnection-4': 'hidden0' -> 'out'>, <FullConnection   'FullConnection-5': 'bias' -> 'out'>, <FullConnection
'FullConnection-6': 'bias' -> 'hidden0'>, <FullConnection 'FullConnection-7': 'in' -> 'hidden0'>]

pybrain：如何打印网络（节点和权重）

2 个答案: