本文將指導您如何提取 Keras 模型中每一層的輸出，類似於 TensorFlow 提供的功能。
問題：訓練用於二元分類的捲積神經網路 (CNN) 後，希望獲得每一層的輸出。
答案：Keras 提供了一種簡單的方法來實現此目的：
自訂提供的範例中的程式碼：
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() 參數對於像Dropout 這樣的層至關重要或BatchNormalization 在訓練和測試期間改變它們的行為。在模擬 Dropout 期間將其設為 1，否則設為 0。
最佳化：為了提高效率，建議使用單一函數來評估所有層輸出：
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)
以上是如何存取 Keras 模型中的層輸出？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
