使用模型权重和偏差手动执行预测(Keras)

piok6c0g 于 12个月前发布在其他

关注(0)|答案(1)|浏览(149)

我想使用Keras中的模型权重和偏置手动预测数据（回归任务）（即Z = f（WX+B），其中Z是层的输出，W是权重矩阵，X是输入向量，B是偏置向量）。
我的模型架构如下：

model = Sequential()
model.add(Dense(207, input_dim = 173, activation = 'relu'))
model.add(Dense(207, activation = 'relu'))
model.add(Dense(207, activation = 'relu'))
model.add(Dense(240))

字符串
我也完成了模型的训练。
我已经尝试使用以下方法提取权重和偏差：

layer_num = 1
layer_weights = model.layers[layer_num-1].get_weights()[0]
layer_biases  = model.layers[layer_num-1].get_weights()[1]

型
其中layer_num是层数（对于我的模型，layer_num从1到4）。然而，我不知道如何为我的测试集x_test手动执行Z = f（WX+B）。
使用这种手动方法，我想比较它的结果和model.predict，以及x_test的每个示例/行的预测计算时间（但我想我可以自己计算出最后一部分）。
编辑1：我提到我可以自己计算每个示例/行的计算时间，但如果您也能帮助我，我将非常感激。

keras

来源：https://stackoverflow.com/questions/77576284/manually-perform-predictions-using-the-model-weights-and-biases-keras

1条答案

按热度按时间

bbmckpt71#

对于一个密集层，当你调用get_weights方法时，你会得到一个列表，它的第一个元素是权重矩阵W，第二个元素是偏置b：

W, b = dense_layer.get_weights()

字符串
假设你有一个形状为[batch, 173]的测试数据矩阵X。然后你可以写一个如下的代码片段来获得所有的权重和偏置：

Ws, bs = [], []
for layer in model.layers:
    W, b = layer.get_weights()
    Ws.append(W)
    bs.append(b)

型
有了它们，我们可以定义我们的功能：

def relu(x):
    return np.where(x >= 0, x, 0)

def identity(x):
    return x

def predict(Ws, bs, activations, X):
    Z = X
    for W, b, activation in zip(Ws, bs, activations):
        Z = Z @ W + b
        Z = activation(Z)
    return Z

型
然后，您可以使用predict函数手动预测测试X：

Y = predict(Ws, bs, (relu, relu, relu, identity), x_test)

型

赞(0）回复(0）举报 12个月前

我来回答

使用模型权重和偏差手动执行预测(Keras)

1条答案

相关问题

热门标签

最新问答