Lasagne/nolean自动编码器-如何获得隐藏层输出

Question

我已经使用千层面/nolean训练了一个自动编码器。假设网络层是[5001000500]。我这样训练神经网络：

net.fit(X, X)

我想做以下事情：

net.predict(X, layer=2)

所以我会得到数据的抑制表示。因此，如果我的初始数据有一个形状[100000]，那么得到的数据将是[10000100]。

我搜索了一下，但找不到怎么做。千层面/意大利面有可能吗？

Answer 1

文档中似乎有答案：http://lasagne.readthedocs.org/en/latest/user/layers.html#propagating-数据通过层

以下是相关部分：

要计算网络的输出，您应该调用lasagne.layers.get_output()。这将遍历网络图表

您可以使用要计算的输出表达式

>>> y = lasagne.layers.get_output(l_out)

在这种情况下，将返回一个Theano表达式，该表达式表示与网络中的lasagne.layers.InputLayer实例

您还可以指定一个Theano表达式作为lasagne.layers.get_output():的第二个参数作为输入

>>> x = T.matrix('x')
>>> y = lasagne.layers.get_output(l_out, x)
>>> f = theano.function([x], y)

假设net的类型为nolearn.lasagne.NeuralNet，那么您似乎可以使用net.get_all_layers()访问底层对象。我没有在文档中看到它，但它在592行。

Answer 2

如果已命名层，请尝试net.get_output(net.layers_[1], X)或net.get_output('name_of_layer_2' , X)，而不是net.predict(X, layer=2)。