如何在給定輸入，隱藏層的權重和偏差的情況下獲得隱藏層的輸出？

Question

假設我有訓練低於模型劃時代：

model = Sequential([ 
    Dense(32, input_dim=784), # first number is output_dim 
    Activation('relu'), 
    Dense(10), # output_dim, input_dim is taken for granted from above 
    Activation('softmax'), 
]) 

而且我得到的權重dense1_w，偏置第一隱藏層的dense1_b（把它命名爲dense1）和單個數據樣本sample。

如何使用這些獲得dense1的輸出sample的keras？

謝謝！

Answer 1

只需重新創建模型的第一部分，直到您希望輸出的圖層（在您的情況下只有第一個密集圖層）。之後，您可以在新創建的模型中加載第一部分的訓練重量並進行編譯。

使用這個新模型預測的輸出將是圖層的輸出（在您的情況下是第一個密集圖層）。

from keras.models import Sequential 
from keras.layers import Dense, Activation 
import numpy as np 

model = Sequential([ 
    Dense(32, input_dim=784), # first number is output_dim 
    Activation('relu'), 
    Dense(10), # output_dim, input_dim is taken for granted from above 
    Activation('softmax'), 
]) 
model.compile(optimizer='adam', loss='categorical_crossentropy') 

#create some random data 
n_features = 5 
samples = np.random.randint(0, 10, 784*n_features).reshape(-1,784) 
labels = np.arange(10*n_features).reshape(-1, 10) 

#train your sample model 
model.fit(samples, labels) 

#create new model 
new_model= Sequential([ 
    Dense(32, input_dim=784), # first number is output_dim 
    Activation('relu')]) 

#set weights of the first layer 
new_model.set_weights(model.layers[0].get_weights()) 

#compile it after setting the weights 
new_model.compile(optimizer='adam', loss='categorical_crossentropy') 

#get output of the first dens layer 
output = new_model.predict(samples) 

Answer 2

最簡單的方法是使用keras後端。通過keras後端，您可以定義一個函數，爲您提供此處定義的keras模型的中間輸出（https://keras.io/getting-started/faq/#how-can-i-obtain-the-output-of-an-intermediate-layer）。

因此，在本質：

get_1st_layer_output = K.function([model.layers[0].input], 
            [model.layers[1].output]) 
layer_output = get_1st_layer_output([X])