PyBrain网络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文档中找到有用的东西，在这里或其他地方。

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。

Answer 1

看起来这应该工作：

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

完全基于看着the source code。