Как извлечь веса «из входного слоя в скрытый слой» и «из скрытого слоя в выходной слой» с помощью Keras API? - PullRequest
Новая
       36

Как извлечь веса «из входного слоя в скрытый слой» и «из скрытого слоя в выходной слой» с помощью Keras API?

0 голосов
/ 02 января 2019

Я новичок в Керасе и пытаюсь получить вес в Керасе.Я знаю, как это сделать в Tensorflow в Python.

Код: 

data = np.array(attributes, 'int64')
target = np.array(labels, 'int64')

feature_columns = [tf.contrib.layers.real_valued_column("", dimension=2, dtype=tf.float32)]
learningRate = 0.1
epoch = 10000

# https://www.tensorflow.org/api_docs/python/tf/metrics
validation_metrics = {
"accuracy": tf.contrib.learn.MetricSpec(metric_fn = tf.contrib.metrics.streaming_accuracy ,
prediction_key = tf.contrib.learn.PredictionKey.CLASSES),
"precision": tf.contrib.learn.MetricSpec(metric_fn = tf.contrib.metrics.streaming_precision ,
prediction_key = tf.contrib.learn.PredictionKey.CLASSES),
"recall": tf.contrib.learn.MetricSpec(metric_fn = tf.contrib.metrics.streaming_recall ,
prediction_key = tf.contrib.learn.PredictionKey.CLASSES),
"mean_absolute_error": tf.contrib.learn.MetricSpec(metric_fn = tf.contrib.metrics.streaming_mean_absolute_error ,
prediction_key = tf.contrib.learn.PredictionKey.CLASSES),
"false_negatives": tf.contrib.learn.MetricSpec(metric_fn = tf.contrib.metrics.streaming_false_negatives ,
prediction_key = tf.contrib.learn.PredictionKey.CLASSES),
"false_positives": tf.contrib.learn.MetricSpec(metric_fn = tf.contrib.metrics.streaming_false_positives ,
prediction_key = tf.contrib.learn.PredictionKey.CLASSES),
"true_positives": tf.contrib.learn.MetricSpec(metric_fn = tf.contrib.metrics.streaming_true_positives ,
prediction_key = tf.contrib.learn.PredictionKey.CLASSES)
}

# validation monitor
validation_monitor = tf.contrib.learn.monitors.ValidationMonitor(data, target, every_n_steps=500,
metrics = validation_metrics)

classifier = tf.contrib.learn.DNNClassifier(
feature_columns = feature_columns,
hidden_units = [3],
activation_fn = tf.nn.sigmoid,
optimizer = tf.train.GradientDescentOptimizer(learningRate),
model_dir = "model",
config = tf.contrib.learn.RunConfig(save_checkpoints_secs = 1)
)

classifier.fit(data, target, steps = epoch,
monitors = [validation_monitor])

# print('Params:', classifier.get_variable_names())
'''
Params: ['dnn/binary_logistic_head/dnn/learning_rate', 'dnn/hiddenlayer_0/biases', 'dnn/hiddenlayer_0/weights', 'dnn/logits/biases', 'dnn/logits/weights', 'global_step']
'''

print('total steps:', classifier.get_variable_value("global_step"))
print('weight from input layer to hidden layer: ', classifier.get_variable_value("dnn/hiddenlayer_0/weights"))
print('weight from hidden layer to output layer: ', classifier.get_variable_value("dnn/logits/weights"))

Есть ли способ получить веса в Керасе, как в Tensorflow:

  1. Веса от входного слоя до скрытого слоя
  2. Веса от скрытого слоя до выходного слоя

Это моя модель в Керасе: 

model = Sequential()
model.add(Flatten(input_shape=(224,224,3)))
model.add(Dense(256, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(1, activation='sigmoid'))

1 Ответ

0 голосов
/ 02 января 2019

Вы можете получить доступ и установить вес или параметры слоев модели, используя методы get_weights и set_weights. Из документации Keras :

layer.get_weights(): возвращает вес слоя в виде списка Numpy массивы. layer.set_weights(weights): устанавливает вес слой из списка массивов Numpy (с теми же формами, что и на выходе get_weights).

Каждая модель Keras имеет атрибут layers, который представляет собой список всех слоев в модели. Например, в предоставленной вами образце модели вы можете получить вес первого слоя Dense, выполнив: 

model.layers[1].get_weights()

Будет возвращен список из двух пустых массивов: первый - это параметры ядра слоя Dense, второй - параметры смещения.

...