在TensorFlow.js中,我创建了一个非常简单的tf.Sequential
模型,如下所示:
let model = tf.sequential();
model.add(tf.layers.dense({inputShape: [784], units: 128, activation: 'relu'}));
model.add(tf.layers.dense({units: 10}));
model.add(tf.layers.softmax());
在预测时间内,如何获得第二个tf.layers.dense
层的激活?
我可以删除model.layers[2]
并正常使用model.predict()
吗?
(我知道我可以通过用API函数定义两个模型输出来提前完成这项工作,但假设我有一个预先制作的tf.Sequential
模型,我想检查它的logits。(
对于更复杂的模型,有一种更简单的方法。如果model
是原始模型,则可以使用tf.model({inputs:model.inputs, outputs: model.layers[2].output})
创建副本,从而只需要提供第一层和最后一层
我想好了如何做到这一点。
删除model.layers[2]
不起作用,因为显然model.predict()
不依赖于该属性。
一种方法是创建一个重复的tf.Sequential
模型,复制原始模型的所有层(除了最后一层(。
let m2 = tf.sequential();
m2.add(model.layers[0]);
m2.add(model.layers[1]);
然后m2.predict()
将输出logits。