在keras中修改特征图

Question

可以使用以下方法获取特征图：

from keras import backend as K
# with a Sequential model
get_3rd_layer_output = K.function([model.layers[0].input],
                                  [model.layers[
                                  [model.layers[
                                  [model.layers[3].output])
layer_output = get_3rd_layer_output([X])[
      layer_output = get_3rd_layer_output([X])[
      layer_output = get_3rd_layer_output([X])[0]

这有利于数据的可视化。但是，我还打算修改每一层的输出，然后将此输出反馈给网络。谁能建议我如何做同样的事情？

谢谢

Answer 1

如果你只想做一次，你可以这样做：

modified_layer_output = your_old_function([X]) * some_modification
get_final_layer_output = K.function([model.layers[3].input],
                                  [model.layers[-1].output])
result = get_final_layer_output(modified_layer_output)

您还可以创建一个新模型来学习修改后的图层输出。

编辑：您可以编写自己的 keras 层来对输入做任何您想做的事情，并将其传递到下一层，如下所示 (https://keras.io/layers/writing-your-own-keras-layers/)。

Answer 2

我正在通过编辑来恢复此答案以反映更多信息。

假设您有一个类似于此的模型：

model = Sequential()
model.add(Dense(1000, input_dim=1000))
model.add(Dense(1000))

并且您想运行在将第一层的输出传递到第二层之前对其进行自定义修改，您可以这样使用 lambda layer：

f = K.function(\* some function *\)

model = Sequential()
model.add(Dense(1000, input_dim=1000))
model.add(Lambda(lambda x: f(x))
model.add(Dense(1000))

在keras中修改特征图

Modifying feature maps in keras

python

theano

deep-learning

keras