Cara Mengakses Output Lapisan dalam Keras: Panduan untuk Mengekstrak dan Menilai Data Lapisan Individu

Cara Mengekstrak Output Lapisan dalam Keras

Dalam model pembelajaran mendalam, selalunya berguna untuk mengakses output lapisan individu untuk analisis atau visualisasi . Dalam Keras, ini boleh dicapai menggunakan atribut lapisan model.

Mengakses Output Lapisan

Untuk mendapatkan tensor output lapisan tertentu, gunakan:

layer_output = model.layers[layer_index].output

Sebagai contoh, untuk mendapatkan output lapisan kedua dalam yang berikut model:

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

Anda akan menggunakan:

layer_output = model.layers[1].output

Mengekstrak Semua Output Lapisan

Untuk mengekstrak output semua lapisan:

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

Lapisan Menilai Output

Untuk menilai output lapisan pada input yang diberikan:

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.])

Perhatikan bahawa K.learning_phase() harus digunakan sebagai input untuk lapisan seperti Dropout atau BatchNormalization yang mempamerkan perbezaan tingkah laku semasa latihan dan ujian.

Dioptimumkan Pelaksanaan

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

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

Atas ialah kandungan terperinci Cara Mengakses Output Lapisan dalam Keras: Panduan untuk Mengekstrak dan Menilai Data Lapisan Individu. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!