在 keras 中修改特征图答案

【问题标题】：Modifying feature maps in keras在 keras 中修改特征图
【发布时间】：2017-01-17 11:23:28
【问题描述】：

特征图可以通过以下方式获得：

from keras import backend as K
# with a Sequential model
get_3rd_layer_output = K.function([model.layers[0].input],
                                  [model.layers[
                                  [model.layers[
                                  [model.layers[3].output])
layer_output = get_3rd_layer_output([X])[
      layer_output = get_3rd_layer_output([X])[
      layer_output = get_3rd_layer_output([X])[0]

这有利于数据的可视化。但是，我还打算修改每一层的输出，然后将此输出反馈回网络。谁能建议我如何做同样的事情？

谢谢

【问题讨论】：

您在寻找什么样的修改？通过“反馈给网络”，您打算将其用作整个网络的新输入，还是只是将修改后的特征图传递给下一层？
我想把修改后的特征图传给下一层。我有一个图形结构，因此想将修改后的输出从一个节点传递到另一个节点。
我已经删除了我之前的答案，因为我显然误解了你的问题。当您说要修改特征图时-您是指上一层的权重还是上一层的结果？
我必须同时修改权重和输出。对于权重，我使用模型实例并使用model.get_weights 获取现有权重，我修改了它们，然后使用model.set_weights 将其设置回来。但是，没有任何这样的方法可以将修改后的输出设置到网络。因此，我假设将需要一个自定义层。这是为了向前传球。我也必须为向后传球做同样的事情，但现在我只专注于向前传球。
我已经恢复了我的答案，以展示如何使用 Lambda 层来修改前一层的输出。请注意，对于 lambda 层，您无需担心向后传递，因为它会为您处理事情。

标签： python deep-learning theano keras

【解决方案1】：

我正在通过编辑恢复此答案以反映更多信息。

假设你有一个类似这样的模型：

model = Sequential()
model.add(Dense(1000, input_dim=1000))
model.add(Dense(1000))

如果您想在将第一层的输出传递给第二层之前对其进行自定义修改，您可以使用lambda layer：

f = K.function(\* some function *\)

model = Sequential()
model.add(Dense(1000, input_dim=1000))
model.add(Lambda(lambda x: f(x))
model.add(Dense(1000))

【讨论】：

这意味着我应该在现有层之间添加一个 lambda 层作为三明治层？对不起，我还是cnn的新手，所以澄清一下。
是的。如果您有 A 层和 B 层，并且您想使用对 A 输出的自定义修改并将其作为 B 的输入，您应该将 lambda 夹在它们之间。
再次感谢。如果可能，您能否分享任何可能对此有所帮助的示例？
另外，对于get_activations = K.function([model.layers[0].input, K.learning_phase()], [model.layers[in_layer_number].output])，我需要模型对象。但是，如果我想在 lambda 层中使用它，如何获取模型对象，因为我需要调用 compile 方法来获取模型对象。
非常感谢！我将在我的图形网络中尝试这个，然后让你知道结果。到目前为止，我确信并因此将其标记为答案。再次感谢！

【解决方案2】：

如果你只想这样做一次，你可以这样做：

modified_layer_output = your_old_function([X]) * some_modification
get_final_layer_output = K.function([model.layers[3].input],
                                  [model.layers[-1].output])
result = get_final_layer_output(modified_layer_output)

您还可以创建一个新模型来学习修改后的层输出。

编辑：您可以编写自己的 keras 层，对输入做任何您想做的事情，并将其传递到下一层，如下所示 (https://keras.io/layers/writing-your-own-keras-layers/)。

【讨论】：

感谢您的回复。我有一个图形结构。我想在前向传递期间在每个节点上迭代地进行（修改输出并将其馈送到下一层）。