So greifen Sie auf Layer-Ausgaben in Keras zu: Eine Anleitung zum Extrahieren und Auswerten einzelner Layer-Daten

So extrahieren Sie Ebenenausgaben in Keras

In Deep-Learning-Modellen ist es oft nützlich, zur Analyse oder Visualisierung auf die Ausgaben einzelner Ebenen zuzugreifen . In Keras kann dies mithilfe des Ebenenattributs des Modells erreicht werden.

Zugriff auf Ebenenausgaben

Um den Ausgabetensor einer bestimmten Ebene zu erhalten, verwenden Sie:

layer_output = model.layers[layer_index].output

Um beispielsweise die Ausgabe der zweiten Ebene im folgenden Modell zu erhalten:

model = Sequential()
model.add(Convolution2D(...))
model.add(Activation('relu'))

Sie würden Verwenden Sie:

layer_output = model.layers[1].output

Alle Ebenenausgaben extrahieren

Um die Ausgaben aller Ebenen zu extrahieren:

layer_outputs = [layer.output for layer in model.layers]

Ebenenausgaben auswerten

Um die Layer-Ausgaben auf einer bestimmten Ebene auszuwerten Eingabe:

import keras.backend as K

input_placeholder = model.input
function = K.function([input_placeholder, K.learning_phase()], layer_outputs)

test_input = np.random.random(input_shape)
layer_outs = function([test_input, 1.])

Beachten Sie, dass K.learning_phase() als Eingabe für Ebenen wie Dropout oder BatchNormalization verwendet werden sollte, die während Training und Tests unterschiedliche Verhaltensweisen zeigen.

Optimierte Implementierung

Aus Effizienzgründen wird empfohlen, eine einzige Funktion zum Extrahieren aller Ebenen zu verwenden Ausgänge:

functor = K.function([input_placeholder, K.learning_phase()], layer_outputs)

Das obige ist der detaillierte Inhalt vonSo greifen Sie auf Layer-Ausgaben in Keras zu: Eine Anleitung zum Extrahieren und Auswerten einzelner Layer-Daten. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!