如何在 Keras 中存取層輸出：提取和評估單一層資料的指南

如何在Keras 中提取層輸出

在深度學習模型中，訪問各個層的輸出以進行分析或可視化通常很有用。在 Keras 中，這可以使用模型的 rows 屬性來實現。

訪問層輸出

要取得特定層的輸出張量，請使用：

layer_output = model.layers[layer_index].output

例如取得以下第二層的輸出模型：

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

您將使用：

layer_output = model.layers[1].output

提取所有層輸出

擷取所有層的輸出：

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

評估圖層輸出

要評估給定輸入的層輸出：

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.])

請注意，K.learning_phase() 應該用作Dropout 或BatchNormalization 等具有不同表現的層的輸入訓練和測試期間的行為。

最佳化實作

為了提高效率，建議使用單一函數來擷取所有層輸出：

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

以上是如何在 Keras 中存取層輸出：提取和評估單一層資料的指南的詳細內容。更多資訊請關注PHP中文網其他相關文章！