快捷導(dǎo)航

keras 獲取某層輸出獲取復(fù)用層的多次輸出實(shí)例

更新時(shí)間：2020年05月23日 09:44:27 作者：TinaO-O

這篇文章主要介紹了keras 獲取某層輸出獲取復(fù)用層的多次輸出實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

官方文檔很全面，搜索功能也很好。但是如果你想單獨(dú)實(shí)現(xiàn)某個(gè)功能，根本無(wú)從搜尋。于是我寫了這個(gè)筆記。從功能出發(fā)。

兩個(gè)tensor經(jīng)過(guò)一個(gè)layer實(shí)例會(huì)產(chǎn)生兩個(gè)輸出。

a = Input(shape=(280, 256))
b = Input(shape=(280, 256))
 
lstm = LSTM(32)
encoded_a = lstm(a)
encoded_b = lstm(b)
 
lstm.output

這個(gè)代碼有錯(cuò)誤，因?yàn)樽詈笠恍袥](méi)有指定lstm這個(gè)layer實(shí)例的那個(gè)輸出。

>> AttributeError: Layer lstm_1 has multiple inbound nodes,
hence the notion of "layer output" is ill-defined.
Use `get_output_at(node_index)` instead.

所以如果想要得到多個(gè)輸出中的一個(gè)：

assert lstm.get_output_at(0) == encoded_a
assert lstm.get_output_at(1) == encoded_b

補(bǔ)充知識(shí)：kears訓(xùn)練中如何實(shí)時(shí)輸出卷積層的結(jié)果？

在訓(xùn)練unet模型時(shí)，發(fā)現(xiàn)預(yù)測(cè)結(jié)果和真實(shí)結(jié)果幾乎完全差距太大，想著打印每層輸出的結(jié)果查看問(wèn)題在哪？

但是發(fā)現(xiàn)kears只是提供了訓(xùn)練完成后在模型測(cè)試時(shí)輸出每層的函數(shù)。并沒(méi)有提供訓(xùn)練時(shí)的函數(shù)，同時(shí)本著不對(duì)原有代碼進(jìn)行太大改動(dòng)。最后實(shí)現(xiàn)了這個(gè)方法。

即新建一個(gè)輸出節(jié)點(diǎn)添加到現(xiàn)有的網(wǎng)絡(luò)結(jié)構(gòu)里面。

#新建一個(gè)打印層。
class PrintLayer(Layer):
	#初始化方法，不須改變
 def __init__(self, **kwargs):
  super(PrintLayer, self).__init__(**kwargs)
	#調(diào)用該層時(shí)執(zhí)行的方法
 def call(self, x):
  x = tf.Print(x,[x],message="x is: ",summarize=65536)
  #調(diào)用tf的Print方法打印tensor方法，第一個(gè)參數(shù)為輸入的x，第二個(gè)參數(shù)為要輸出的參數(shù)，summarize參數(shù)為輸出的元素個(gè)數(shù)。
  return x;
  #一定要返回tf.Print()函數(shù)返回的變量，不要直接使用傳入的變量。
 
#接著在網(wǎng)絡(luò)中引入
conv9 = Conv2D(2, 3, activation = 'relu', padding = 'same', kernel_initializer = 'he_normal')(conv9)
print11 = PrintLayer()(conv9)
conv10 = Conv2D(1, 1, activation = 'sigmoid')(print11)
#PrintLayer層處理的結(jié)果一定要在下一層用到，不然不會(huì)打印tensor。該結(jié)點(diǎn)可以加在任何結(jié)點(diǎn)之間。

以上這篇keras 獲取某層輸出獲取復(fù)用層的多次輸出實(shí)例就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: