访问神经网络权重和神经元激活答案

【问题标题】：Accessing neural network weights and neuron activations访问神经网络权重和神经元激活
【发布时间】：2016-08-17 04:08:33
【问题描述】：

使用 Keras 训练网络后：

我想以某种顺序访问网络的最终训练权重。
我想知道每个传递的输入的神经元激活值。例如，在训练之后，如果我将X 作为输入传递给网络，我想知道网络中每个神经元的X 的神经元激活值。

Keras 是否提供对这些东西的 API 访问？我想根据神经元激活值做进一步的分析。

更新：我知道我可以纯粹使用 Theano 来做到这一点，但 Theano 需要更多的低级编码。而且，由于 Keras 是建立在 Theano 之上的，我认为有办法做到这一点吗？

如果 Keras 不能做到这一点，那么在 Tensorflow 和 Caffe 中，哪个可以？ Keras 是最容易使用的，其次是 Tensorflow/Caffe，但我不知道其中哪些提供了我需要的网络访问。对我来说，最后一个选择是使用 Theano，但我认为使用 Theano 构建深度 CNN 会更耗时..

【问题讨论】：

标签： tensorflow theano deep-learning caffe keras

【解决方案1】：

这在Keras FAQ 中有介绍，您基本上想要计算每一层的激活，因此您可以使用以下代码来完成：

from keras import backend as K

#The layer number
n = 3 
# with a Sequential model
get_nth_layer_output = K.function([model.layers[0].input],
                                  [model.layers[n].output])
layer_output = get_nth_layer_output([X])[0]

不幸的是，您需要为每一层编译和运行一个函数，但这应该很简单。

要获取权重，您可以在任意层调用get_weights()。

nth_weights = model.layers[n].get_weights()

【讨论】：

@HashRocketSyntax 它们是激活，我真的不知道你在说什么，如果你有问题，你应该问你自己的问题，并得到可重现的结果。