CNTK Python API：评估隐藏层/多个输出答案

【问题标题】：CNTK Python API: evaluating hidden layers / multiple outputsCNTK Python API：评估隐藏层/多个输出
【发布时间】：2017-04-19 22:19:52
【问题描述】：

在 CNTK Python API 中创建、保存、加载和评估具有多个输出的模型有哪些建议？（我使用的是 CNTK 2.0 RC1）

当我在运行时定义一个网络时，我可以通过将一个小批量字典传递给 eval 函数来轻松评估网络的任何层。

但是，在我保存模型并再次加载后，我只能通过提供输入来评估输出节点（而且我不知道如何在 Python API 中定义多个输出）。我可以使用 find_all_by_name 方法访问任何层，但是当我尝试使用 eval 方法评估隐藏层时，它希望我提供 层的即时输入，而不是相关网络的输入：

ValueError: No value specified for input Variable 'Output('Block1958_Output_0', [#], [1024 x 200])' of Function 'Dense: Output('Block1958_Output_0', [#], [1024
x 200]) -> Output('conversation_vector', [#], [100])'.

我只找到了有关该主题的以下文档，适用于 Brainscript：https://github.com/Microsoft/CNTK/wiki/CNTK-Evaluate-Hidden-Layers -- 我找不到任何特定于 Python API 的内容。

【问题讨论】：

标签： python cntk

【解决方案1】：

model.outputs[0] 是一个变量，你可以通过 model.outputs[0].owner 或者 as_composite(model.outputs[0].owner) 来访问它的函数，如果 owner 是一个原始函数（其中仅显示直接输入，而复合函数显示映射的根输入变量）

所以试试这个：

as_composite(model.outputs[0].owner).eval(...)

【讨论】：

在保存之前使用cntk.combine准备模型的最后一层（根据周在另一篇文章中的建议），然后在加载模型后使用as_composite(model.outputs[0].owner).eval(...)解决了我的问题 - 非常感谢！跨度>

【解决方案2】：

得到你想要的所有层之后，你可以使用Combine()创建一个新的Function，然后在新的Function上调用eval。它在 C++ 中工作，虽然我没有在 Python 中尝试过。

https://www.cntk.ai/pythondocs/cntk.ops.html?highlight=combine#cntk.ops.combine

【讨论】：