我觉得这应该是微不足道的,但我一直在努力在PyBrain文档中找到任何有用的东西,不管是在这里还是其他地方。在
问题是:
我有一个三层(输入、隐藏、输出)前馈网络,并在PyBrain中进行训练。每层有三个节点。我想用新的输入激活网络,并在隐藏层存储节点的激活值。据我所知,net.激活()和net.activateOndataset()只返回输出层节点的激活值,是激活网络的唯一方法。在
我如何获得PyBrain网络的隐藏层激活?在
我不确定示例代码在这种情况下是否会有那么大的帮助,但无论如何,这里有一些代码(包含精简的培训集):
from pybrain.tools.shortcuts import buildNetwork
from pybrain.datasets import SupervisedDataSet
from pybrain.supervised.trainers import BackpropTrainer
net = buildNetwork(3, 3, 3)
dataSet = SupervisedDataSet(3, 3)
dataSet.addSample((0, 0, 0), (0, 0, 0))
dataSet.addSample((1, 1, 1), (0, 0, 0))
dataSet.addSample((1, 0, 0), (1, 0, 0))
dataSet.addSample((0, 1, 0), (0, 1, 0))
dataSet.addSample((0, 0, 1), (0, 0, 1))
trainer = BackpropTrainer(net, dataSet)
trained = False
acceptableError = 0.001
# train until acceptable error reached
while trained == False :
error = trainer.train()
if error < acceptableError :
trained = True
result = net.activate([0.5, 0.4, 0.7])
print result
在这种情况下,所需的功能是打印隐藏层的激活值列表。在
看起来这应该行得通:
纯粹基于看the source code。在
相关问题 更多 >
编程相关推荐