如何打印出特定层的张量值

Question

我希望在应用mask 后检查张量的值。

这是模型的截断部分。我让temp = x 所以稍后我想打印temp 来检查确切的值。

因此，给定一个使用声学特征的 4 类分类模型。假设我在 (1000,50,136) 中有数据作为（批次、时间步长、特征）

目标是检查模型是否按时间步长研究特征。换句话说，我们希望确保模型正在学习使用切片作为图片中的红色矩形。从逻辑上讲，这是Keras LSTM 层的方式，但是当参数更改（例如密集单位）时，产生的confusion matrix 完全不同。验证准确率保持在 45%，因此我们希望将模型可视化。

提出的思路是打印出第一批的第一步，打印出模型中的输入。如果它们相同，则模型以正确的方式学习（(136,1) 个特征一次），而不是单个特征的 (50,1) 个时间步长一次。

input_feature = Input(shape=(X_train.shape[1],X_train.shape[2]))
x = Masking(mask_value=0)(input_feature)
temp = x
x = Dense(Dense_unit,kernel_regularizer=l2(dense_reg), activation='relu')(x)
        

我尝试过tf.print()，它给我带来了AttributeError: 'Tensor' object has no attribute '_datatype_enum'

---

正如 Lescurel 建议的 Get output from a non final keras model layer。

model2 = Model(inputs=[input_attention, input_feature], outputs=model.get_layer('masking')).output
print(model2.predict(X_test))

AttributeError: 'Masking' object has no attribute 'op'

Answer 1

你想在掩码之后输出。 lescurel 在评论中的link 显示了如何做到这一点。 这个link to github也是。

你需要制作一个新模型

• 将模型的输入作为输入
• 将层的输出作为输出

我使用从你的 sn-ps 派生的一些虚构代码对其进行了测试。

import numpy as np
from keras import Input
from keras.layers import Masking, Dense
from keras.regularizers import l2
from keras.models import Sequential, Model
X_train = np.random.rand(4,3,2)
Dense_unit = 1
dense_reg = 0.01
mdl = Sequential()
mdl.add(Input(shape=(X_train.shape[1],X_train.shape[2]),name='input_feature'))
mdl.add(Masking(mask_value=0,name='masking'))
mdl.add(Dense(Dense_unit,kernel_regularizer=l2(dense_reg),activation='relu',name='output_feature'))
mdl.summary()
mdl2mask = Model(inputs=mdl.input,outputs=mdl.get_layer("masking").output)
maskoutput = mdl2mask.predict(X_train)
mdloutput = mdl.predict(X_train)
maskoutput # print output after/of masking
mdloutput # print output of mdl
maskoutput.shape #(4, 3, 2): masking has the shape of the layer before (input here)
mdloutput.shape #(4, 3, 1): shape of the output of dense