この記事では、TensorFlow によって提供される機能と同様に、Keras モデルの各レイヤーの出力を抽出する方法について説明します。
問題: 畳み込みニューラル ネットワークのトレーニング後(CNN) バイナリ分類の場合、各層の出力を取得することが望ましいです。
答え: Keras は、これを実現する簡単な方法を提供します:
コードのカスタマイズ提供された例では:
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: K.learning_phase() 引数は、トレーニング中やテスト中に動作を変更する Dropout や BatchNormalization などのレイヤーにとって重要です。 Dropout のシミュレーション中は 1 に設定し、それ以外の場合は 0 に設定します。
最適化: 効率を高めるため、すべてのレイヤー出力の評価に単一の関数を使用することをお勧めします:
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)
以上がKeras モデルのレイヤー出力にアクセスするにはどうすればよいですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。