PyBrain n中所有节点的激活值

Question

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

Answer 1

看起来这应该行得通：

net['in'].outputbuffer[net['in'].offset]
net['hidden0'].outputbuffer[net['hidden0'].offset]

纯粹基于看the source code。在