Bagaimana untuk Mengakses Output Lapisan dalam Model Keras?

Mengakses Output Lapisan dalam Keras

Artikel ini akan membimbing anda tentang cara mengekstrak keluaran setiap lapisan dalam model Keras, sama dengan keupayaan yang disediakan oleh TensorFlow.

Masalah: Selepas melatih rangkaian neural convolutional (CNN) untuk pengelasan binari, adalah wajar untuk mendapatkan output setiap lapisan.

Jawapan: Keras menawarkan kaedah mudah untuk mencapai ini:

Menyesuaikan kod dalam contoh yang disediakan :

from keras import backend as K

# Define input and layer outputs
input = model.input
outputs = [layer.output for layer in model.layers]

# Create a function to evaluate the output
fn = K.function([input, K.learning_phase()], outputs)

# Testing
test_input = np.random.random(input_shape)[np.newaxis,...]
layer_outputs = fn([test_input, 1.])

# Print the layer outputs
print(layer_outputs)

Nota: Argumen K.learning_phase() adalah penting untuk lapisan seperti Dropout atau BatchNormalization yang mengubah tingkah laku mereka semasa latihan dan ujian. Tetapkannya kepada 1 semasa simulasi Keciciran dan 0 sebaliknya.

Pengoptimuman: Untuk kecekapan, disyorkan untuk menggunakan satu fungsi untuk menilai semua output lapisan:

fn = K.function([input, K.learning_phase()], outputs)

# Testing
test_input = np.random.random(input_shape)[np.newaxis,...]
layer_outputs = fn([test_input, 1.])

# Print the layer outputs
print(layer_outputs)

Atas ialah kandungan terperinci Bagaimana untuk Mengakses Output Lapisan dalam Model Keras?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!