CNTK Python API：评估隐藏层/多个输出

Question

在 CNTK Python APIs 中创建、保存、加载和评估具有多个输出的模型有哪些建议？（我使用的是 CNTK 2.0 RC1）

当我在运行时间内定义网络时，我可以通过将小批量字典传递给 eval 函数来轻松评估网络的任何层。

但是，在我保存模型并再次加载之后，我只能通过提供输入来评估输出节点（而且我不知道如何在 Python [=34= 中定义多个输出]).我可以使用 find_all_by_name 方法访问任何层，但是当我尝试使用 eval 方法评估隐藏层时，它期望我提供层的即时输入，而不是相关网络的输入：

ValueError: No value specified for input Variable 'Output('Block1958_Output_0', [#], [1024 x 200])' of Function 'Dense: Output('Block1958_Output_0', [#], [1024
x 200]) -> Output('conversation_vector', [#], [100])'.

我只找到了以下适用于 Brainscript 的主题文档：https://github.com/Microsoft/CNTK/wiki/CNTK-Evaluate-Hidden-Layers -- 我找不到任何特定于 Python API.

Answer 1

获得所有你想要的图层后，你可以使用 Combine() 创建一个新的 Function，然后在新的 Function 上调用 eval。它在 C++ 中工作，但我没有在 Python 中尝试过。

https://www.cntk.ai/pythondocs/cntk.ops.html?highlight=combine#cntk.ops.combine

Answer 2

model.outputs[0]是一个变量，你可以通过model.outputs[0].owner，或者as_composite(model.outputs[0]去实现它的功能.owner) 如果所有者是原始函数（它只显示直接输入，而复合函数显示用于映射的根输入变量）

所以试试这个：

as_composite(model.outputs[0].owner).eval(...)

CNTK Python API：评估隐藏层/多个输出

CNTK Python API: evaluating hidden layers / multiple outputs

python

cntk