如何访问 Keras 模型中的层输出？

访问 Keras 中的层输出

本文将指导您如何提取 Keras 模型中每一层的输出，类似于 TensorFlow 提供的功能。

问题：训练用于二元分类的卷积神经网络 (CNN) 后，希望获得每一层的输出。

答案：Keras 提供了一种简单的方法来实现此目的：

自定义提供的示例中的代码：

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)

注意： K.learning_phase() 参数对于像 Dropout 这样的层至关重要或 BatchNormalization 在训练和测试期间改变它们的行为。在模拟 Dropout 期间将其设置为 1，否则设置为 0。

优化：为了提高效率，建议使用单个函数来评估所有层输出：

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)

以上是如何访问 Keras 模型中的层输出？的详细内容。更多信息请关注PHP中文网其他相关文章！