pybrain：如何打印网络（节点和权重）答案

【问题标题】：pybrain: how to print a network (nodes and weights)pybrain：如何打印网络（节点和权重）
【发布时间】：2011-12-30 08:22:25
【问题描述】：

最后我设法从一个文件中训练了一个网络 :) 现在我想打印节点和权重，尤其是权重，因为我想用 pybrain 训练网络，然后在其他地方实现一个 NN 来使用它.

我需要一种方法来打印层、节点和节点之间的权重，以便我可以轻松地复制它。到目前为止，我看到我可以使用例如 n['in'] 访问图层，然后例如我可以这样做：

dir(n['in']) ['class', 'delattr', 'dict', 'doc', '格式', 'getattribute', 'hash', 'init', 'module', 'new'、'reduce'、'reduce_ex'、'repr'、'setattr', 'sizeof', 'str', 'subclasshook', 'weakref', ' _backwardImplementation'，'_forwardImplementation'，'_generateName'，'_getName'，'_growBuffers'，'_name'，'_nameIds'，'_resetBuffers'，'_setName'，'activate'，'activateOnDataset'，'argdict'，'backActivate' , 'backward', 'bufferlist', 'dim', 'forward', 'getName', 'indim', 'inputbuffer', 'inputerror', 'name', 'offset', 'outdim', 'outputbuffer', ' outputerror', 'paramdim', 'reset', 'sequential', 'setArgs', 'setName', 'shift', 'whichNeuron']

但我看不到如何在此处访问权重。还有 params 属性，例如我的网络是 2 4 1 有偏差，它说：

n.params 数组（[-0.8167133，1.00077451，-0.7591257，-1.1150532，-1.58789386， 0.11625991、0.98547457、-0.99397871、-1.8324281、-2.42200963、 1.90617387、1.93741167、-2.88433965、0.27449852、-1.52606976、 2.39446258, 3.01359547])

很难说什么是什么，至少用权重连接了哪些节点。这就是我所需要的。

【问题讨论】：

标签： python neural-network pybrain

【解决方案1】：

有许多方法可以访问网络的内部，即通过其“模块”列表或“连接”字典。参数存储在这些连接或模块中。例如，下面应该打印任意网络的所有这些信息：

for mod in net.modules:
    print("Module:", mod.name)
    if mod.paramdim > 0:
        print("--parameters:", mod.params)
    for conn in net.connections[mod]:
        print("-connection to", conn.outmod.name)
        if conn.paramdim > 0:
             print("- parameters", conn.params)
    if hasattr(net, "recurrentConns"):
        print("Recurrent connections")
        for conn in net.recurrentConns:
            print("-", conn.inmod.name, " to", conn.outmod.name)
            if conn.paramdim > 0:
                print("- parameters", conn.params)

如果您想要更细粒度的东西（在神经元级别而不是层级别），您将必须进一步分解这些参数向量 - 或者，从单神经元层构建您的网络。

【讨论】：

我可以按顺序考虑结果吗？所以 3 个连续的数字是来自同一个神经元的权重？
我使用了上面的代码。你能解释一下它是如何工作的吗？我还有一个问题。我的网络中的 in_to_hiddens 的数量是 5200。使用上面的代码是这样写的：[ 1.55300577 -0.62533809 -0.08147982 ..., 1.29706926 0.50138988 ] 但我需要所有这些而不是一些点。我该怎么办？？谢谢
请您回答我的问题。我快疯了。看来我只是无法完成我的论文。

【解决方案2】：

试试这个，它对我有用：

def pesos_conexiones(n):
    for mod in n.modules:
        for conn in n.connections[mod]:
            print conn
            for cc in range(len(conn.params)):
                print conn.whichBuffers(cc), conn.params[cc]

结果应该是这样的：

<FullConnection 'co1': 'hidden1' -> 'out'>
(0, 0) -0.926912942354
(1, 0) -0.964135087592
<FullConnection 'ci1': 'in' -> 'hidden1'>
(0, 0) -1.22895643048
(1, 0) 2.97080368887
(2, 0) -0.0182867906276
(3, 0) 0.4292544603
(4, 0) 0.817440427069
(0, 1) 1.90099230604
(1, 1) 1.83477578625
(2, 1) -0.285569867513
(3, 1) 0.592193396226
(4, 1) 1.13092061631

【讨论】：

【解决方案3】：

也许这有帮助（PyBrain for Python 3.2）？

C:\tmp\pybrain_examples>\Python32\python.exe
Python 3.2 (r32:88445, Feb 20 2011, 21:29:02) [MSC v.1500 32 bit (Intel)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> from pybrain.tools.shortcuts import buildNetwork
>>> from pybrain.structure.modules.tanhlayer import TanhLayer
>>> from pybrain.structure.modules.softmax import SoftmaxLayer
>>>
>>> net = buildNetwork(4, 3, 1,bias=True,hiddenclass = TanhLayer, outclass =   SoftmaxLayer)
>>> print(net)
FeedForwardNetwork-8
Modules:
[<BiasUnit 'bias'>, <LinearLayer 'in'>, <TanhLayer 'hidden0'>, <SoftmaxLayer 'out'>]
Connections:
[<FullConnection 'FullConnection-4': 'hidden0' -> 'out'>, <FullConnection   'FullConnection-5': 'bias' -> 'out'>, <FullConnection
'FullConnection-6': 'bias' -> 'hidden0'>, <FullConnection 'FullConnection-7': 'in' -> 'hidden0'>]

【讨论】：