Comment accéder aux sorties de couche dans Keras : un guide pour extraire et évaluer les données de couche individuelles

Comment extraire les sorties des couches dans Keras

Dans les modèles d'apprentissage en profondeur, il est souvent utile d'accéder aux sorties des couches individuelles à des fins d'analyse ou de visualisation . Dans Keras, cela peut être réalisé en utilisant l'attribut layer du modèle.

Accès aux sorties des couches

Pour obtenir le tenseur de sortie d'une couche spécifique, utilisez :

layer_output = model.layers[layer_index].output

Par exemple, pour obtenir la sortie de la deuxième couche dans le modèle suivant :

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

Vous utilisez :

layer_output = model.layers[1].output

Extraction de toutes les sorties de couche

Pour extraire les sorties de toutes les couches :

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

Évaluation des sorties de couche

Pour évaluer les sorties des couches sur un input :

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.])

Notez que K.learning_phase() doit être utilisé comme entrée pour des couches telles que Dropout ou BatchNormalization qui présentent des comportements différents pendant la formation et les tests.

Mise en œuvre optimisée

Pour plus d'efficacité, il est recommandé d'utiliser une seule fonction pour extraire toutes les sorties des couches :

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

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!