如何为 Keras 网络提供样本矩阵进行调试？

Question

我正在研究 this tutorial，我想准确了解图层操作的工作原理。所以我扩展了第一个示例，如下所示。我不确定我将从这个网络中得到什么，所以我想输入一个具有正确尺寸的张量并查看输出是什么。我怎么做？

使用：keras 2.0.2

from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.layers import Lambda

model = Sequential([
    Dense(32, input_shape=(10, 12, 14)),
    Activation('relu'),
    Dense(16),
    Activation('softmax'),
])
def output_of_lambda(input_shape):
    return (input_shape[0], 1, input_shape[2])

def mean(x):
    return K.mean(x, axis=1, keepdims=True)

model.add(Lambda(mean, output_shape=output_of_lambda))

model.summary()

输出：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_9 (Dense)              (None, 10, 12, 32)        480       
_________________________________________________________________
activation_9 (Activation)    (None, 10, 12, 32)        0         
_________________________________________________________________
dense_10 (Dense)             (None, 10, 12, 16)        528       
_________________________________________________________________
activation_10 (Activation)   (None, 10, 12, 16)        0         
_________________________________________________________________
lambda_6 (Lambda)            (None, 1, 12)             0         
=================================================================

Answer 1

你只需做一个predictions = model.predict(data)。

其中data是你输入的数据，必须是(any,10,12,14)的形状。

为了传递单个样本而不是批次，形状必须是 (1,10,12,14)。

Answer 2

Daniel 是对的，也可以使用后端创建一个 keras 函数

这是一个例子：

from keras import backend as K
from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.layers import Lambda


model = Sequential([
    Dense(32, input_shape=(10, 12, 14)),
    Activation('relu'),
    Dense(16),
    Activation('softmax'),
])
def output_of_lambda(input_shape):
    return (input_shape[0], 1, input_shape[2])

def mean(x):
    return K.mean(x, axis=1, keepdims=True)

model.add(Lambda(mean, output_shape=output_of_lambda))
model.summary()

# add a function to push some data through the model
func = K.function([model.inputs[0], K.learning_phase()], [model.outputs[0]]

X = np.random.randn(100, 10, 12, 14)
print(func([X, 0]))

这使您可以灵活地查看 any 层输出的内容，只是通过改变 K.function ... [model.outputs[0]] to [model.layers[2].output] 这给你第二个密集层的输出

请参阅有关此事的 keras 常见问题解答：how-can-i-obtain-the-output-of-an-intermediate-layer

如何为 Keras 网络提供样本矩阵进行调试？

How do I feed a Keras network a sample matrix to debug?

lambda

layer

keras