更改中间激活/输出并观察TF2 / Keras中的预测

debugcn 发表于 Dev

nj2237

让我们说我有一个简单的将MNIST分类的NN模型，如下所示：

model = models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10)
])

然后从第二层即密集层（激活relu之后）提取输出张量，如下所示：

mid_layer = model.get_layer("dense")
get_output = K.function([model.layers[0].input], [mid_layer.output])

对于某些特定的数据输入x，我现在提取输出张量激活值：

mid_layer_outputs = get_output([test_images[0:1]])

并对其进行一些更改：

mid_layer_outputs = ...

现在，我希望模型从该层的修改后的输出值继续并相应地预测结果。我该怎么办？

我试图K.function([mid_layer_outputs], model.layers[-1].output)从该层开始构建另一层，但是出现以下错误：

AttributeError：“ numpy.ndarray”对象没有属性“ op”

这是可以理解的，因为它无法使用NP数组对象而不是模型层对象继续进行预测。我该怎么做呢？

nj2237

我想通了-我需要在第二层中指定下一层输入K.function，然后将修改后的输出传递给它：

get_pred = K.function([model.layers[2].input], model.layers[-1].output)
pred = get_pred([mid_layer_outputs])

根据这个答案，K.function运行我们在代码中创建的计算图，从第一个参数获取输入，并根据提到的层提取输出数量。因此K.function([mid_layer_outputs], model.layers[-1].output)，它不能更早地工作，因为我没有直接传递要使用的层K.function并连接到输出，而是直接传递了值。

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。