Keras 在每批后获取模型输出答案

【问题标题】：Keras get model outputs after each batchKeras 在每批后获取模型输出
【发布时间】：2019-03-08 03:16:49
【问题描述】：

我正在使用生成器为分层循环模型生成顺序训练数据，该模型需要前一批的输出来生成下一批的输入。这与 Keras 参数 stateful=True 的情况类似，它为下一批保存隐藏状态，但它更复杂，所以我不能按原样使用。

到目前为止，我尝试在损失函数中添加 hack：

def custom_loss(y_true, y_pred):
    global output_ref
    output_ref[0] = y_pred[0].eval(session=K.get_session())
    output_ref[1] = y_pred[1].eval(session=K.get_session())

但这没有编译，我希望有更好的方法。 Keras 回调会有帮助吗？

【问题讨论】：

标签： callback keras

【解决方案1】：

向here学习：

model.compile(optimizer='adam')
# hack after compile
output_layers = [ 'gru' ]
s_name = 's'
model.metrics_names += [s_name]
model.metrics_tensors += [layer.output for layer in model.layers if layer.name in output_layers]

class my_callback(Callback):
    def on_batch_end(self, batch, logs=None):
        s_pred = logs[s_name]
        print('s_pred:', s_pred)
        return

model.fit(..., callbacks=[my_callback()])

【讨论】：

s_name是什么意思，我试试你的方法，遇到AttributeError: Model object has no attribute 'metric_names'的错误。

【解决方案2】：

我在 Keras 的 Tensorflow 版本中使用它，但它应该在没有 Tensorflow 的 Keras 中工作

import tensorflow as tf

class ModelOutput:
    ''' Class wrapper for a metric that stores the output passed to it '''
    def __init__(self, name):
        self.name = name
        self.y_true = None
        self.y_pred = None

    def save_output(self, y_true, y_pred):
        self.y_true = y_true
        self.y_pred = y_pred
        return tf.constant(True)

class ModelOutputCallback(tf.keras.callbacks.Callback):
  def __init__(self, model_outputs):
    tf.keras.callbacks.Callback.__init__(self)
    self.model_outputs = model_outputs

  def on_train_batch_end(self, batch, logs=None):
    #use self.model_outputs to get the outputs here

model_outputs = [
                ModelOutput('rbox_score_map'),
                ModelOutput('rbox_shapes'),
                ModelOutput('rbox_angles')
            ]

# Note the extra [] around m.save_output, this example is for a model with 
# 3 outputs, metrics must be a list of lists if you type it out
model.compile( ..., metrics=[[m.save_output] for m in self.model_outputs])

model.fit(..., callbacks=[ModelOutputCallback(model_outputs)])

【讨论】：