私はCNNとのバイナリ分類モデルを訓練し、そしてここに私のコードケラス、各レイヤーの出力を取得する方法は?
model = Sequential()
model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1],
border_mode='valid',
input_shape=input_shape))
model.add(Activation('relu'))
model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1]))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=pool_size))
# (16, 16, 32)
model.add(Convolution2D(nb_filters*2, kernel_size[0], kernel_size[1]))
model.add(Activation('relu'))
model.add(Convolution2D(nb_filters*2, kernel_size[0], kernel_size[1]))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=pool_size))
# (8, 8, 64) = (2048)
model.add(Flatten())
model.add(Dense(1024))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(2)) # define a binary classification problem
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy',
optimizer='adadelta',
metrics=['accuracy'])
model.fit(x_train, y_train,
batch_size=batch_size,
nb_epoch=nb_epoch,
verbose=1,
validation_data=(x_test, y_test))
そしてここできたが、私はどのように私はそれを行うことができ、ちょうどTensorFlowのような各層の出力を取得したいですか?
siあなたの答えは良いです、あなたのコードでは 'K.function([inp] + [K.learning_phase()]、[out])'は何を意味していますか? –
優秀な回答、 'np.random.random(input_shape)[np.newaxis、...]'は 'np.random.random(input_shape)[np.newaxis、:]'と書くことができます。 – Tom
Kとは何ですか?関数 ?それはGPU(MPI?)にどのように渡されましたか?シーンの裏には何がありますか?どのようにCUDAと話し合っていますか?ソースコードはどこですか? –