Как получить вывод каждого слоя в керасах

При работе с глубокими нейронными сетями (DNNS) часто полезно осмотреть активации отдельных слоев. Это может помочь вам понять поведение модели и выявить потенциальные проблемы. Керас, популярная библиотека DNN для Python, предоставляет простой способ достижения этого.

, используя интерфейс модели слоев

модели Keras созданы как последовательность слоев, каждая из которых выполняет определенную операцию на входе. Чтобы получить вывод конкретного уровня, вы можете использовать следующий синтаксис:

model.layers[index].output

, где индекс является индексом слоя, который вы хотите извлечь из вывода. Например, чтобы получить вывод второго сверточного слоя в предоставленном фрагменте кода:

conv_output = model.layers[2].output

] Получение вывода от всех слоев

, чтобы извлечь вывод из всех слоев в модели. в model.layers]

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

для фактической оценки выходов слоев, керас предоставляет набор функций, называемых k.function. Эти функции принимают вход в список тензоров и возвращают список выходов. functors = [k.function ([inp, k.learning_phase ()], [out]) для выходов]

, где INP является входным тензором, k.learning_phase () - это флаг, чтобы указать, является ли модель в режиме тренировок или вывода, и вывод слоя. &&] Выходы

] Теперь вы можете оценить выходы слоя, передавая входные данные в соответствующую функцию оценки:

from keras import backend as K

functors = [K.function([inp, K.learning_phase()], [out]) for out in outputs]

не забудьте установить k.learning_phase () на 1, если какой -либо из слоев в вашей модели включает в себя отсечение или нормализацию пакетов для имитации режима обучения.

оптимизация процесса

более эффективного подхода к оценке выходов слоев - это использование отдельной функции, которая возвращает списки выходов для всех выходов для всех выходов для всех выходов для всех выходов для всех выходов для всех выходов для всех слои:

test = np.random.random(input_shape)[np.newaxis,...]
layer_outs = [func([test, 1.]) for func in functors]
print layer_outs

это уменьшает передачу данных и вычисления, связанные с индивидуальными оценками функции.