7
我觉得这应该是微不足道的,但我一直在努力在PyBrain文档中找到有用的东西,在这里或其他地方。PyBrain网络中所有节点的激活值
问题是这样的:
我有一个三层(输入,隐藏,输出)的前馈和内置在PyBrain训练网络。每层有三个节点。我想用新颖的输入激活网络,并将结果的激活值存储在隐藏层。据我所知,net.activate()和net.activateOnDataset()将只返回输出层节点的激活值,并且是激活网络的唯一方法。
如何获得PyBrain网络的隐藏层激活?
我不知道示例代码将有助于这么多在这种情况下,但这里的一些反正(有删节训练集):
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。
这工作完美。非常感谢。 – dylanross