我的Keras模型是Keras存储库中的babi_rnn示例。
我想在数据集中获取模型的输出（以字为单位）。
我试过了：
layer = model.layers[-1] # For the last layer
f = K.function([model.get_input(train=False)], [layer.get_output(train=False)])
print(f([x])[0]) # your activation tensor
但是我得到了错误：
AttributeError: 'Sequential' object has no attribute 'get_input'
在输入输入的情况下，如何简单地获取模型或图层的输出？
那就是我需要
# I supply the X list and want to get the Y list.
Y = Model(X) # X and Y are both lists. Model.Layer[Index] can also be a use case.
# The responses are the set of label probabilities for each word in the vocabulary.
这样我就可以做：for x, y in zip(X,Y): print(x,y)看看模型实际在做什么。
我认为这应该是最简单的用例，但是实现起来似乎很麻烦。
任何帮助将不胜感激。谢谢。
您可以简单地使用model.predict来获得内部调用Y的predict功能，该功能_make_predict_function()可以完成您想做的事情。
但是您的模型受过训练，可以将特定类型的输入映射到特定类型的输出...因此，您在使用predict函数时需要特别注意并解释它们。在此示例中，此转换已完成，vectorize_stories()因此请尝试了解它在做什么。
在这种情况下，要预测单词，您需要在训练模型后要做的所有事情是：
Y_pred = model.predict([tX, tXq])
for pred in Y_pred:
print (vocab[pred.argmax()-1])
再次注意tX，矢量化测试故事tXq是矢量化测试查询，并且Y_pred是模型对您的矢量化预测的答案。
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。
我来说两句