如何存取和評估 Keras 模型中的層輸出？

在Keras 中取得層輸出

使用Keras 等框架建構神經網路模型時，存取各層的輸出可能會很有幫助用於分析或調試目的。在本文中，我們將示範如何檢索 Keras 模型中每一層的輸出。

考慮以下範例程式碼，其中建立了具有捲積神經網路(CNN) 架構的二元分類模型：

from keras.models import Sequential
from keras.layers import Convolution2D, Activation, MaxPooling2D, Flatten, Dense, Dropout

model = Sequential()
# ... (Model architecture as provided in the question)

存取圖層輸出

取得特定圖層的輸出對於模型，您可以利用model.layers[index].output 屬性。這裡，index 代表該層在模型架構中的位置。

例如，要存取第一個卷積層的輸出：

output = model.layers[0].output

取得所有層的輸出

要擷取模型中所有層的輸出，可以使用list理解：

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

評估層輸出

要評估上一個步驟所獲得的輸出，您可以利用Keras 後端提供的K .function 方法：

from keras import backend as K

inputs = model.input
functor = K.function([inputs, K.learning_phase()], outputs)

這裡，inputs代表模型的輸入層，K.learning_phase()是在訓練和評估期間表現出不同行為的層（例如Dropout）所需的。

最後，評估給定輸入的層輸出：

test_input = np.random.random(input_shape)[np.newaxis,...]
layer_outputs = functor([test_input, 1.])

評估最佳化

為了最佳化評估過程，您可以建立一個傳回所有層輸出的單一函數，而不是為每個層輸出建立多個函數。清單中的輸出：

functor = K.function([inputs, K.learning_phase()], outputs)

附加說明

• 在評估過程中應透過將K.learning_phase() 設定為0 來排除層。
• 如果您的模型有多個輸入變量，則輸入變數可以表示多個輸入張量輸入。
• layer_outputs 變數將包含與每層輸出相對應的 NumPy 陣列清單。

以上是如何存取和評估 Keras 模型中的層輸出？的詳細內容。更多資訊請關注PHP中文網其他相關文章！