千层面/无学习自动编码器-如何获得隐藏层输出？

Question

我已经用千层面/nolearn训练了一个自动编码器。假设网络层为500、100、100、500。我已经像这样训练了神经网络：

net.fit(X, X)

我想做一些类似以下的事情：

net.predict(X, layer=2)

因此，我将获得数据的隐含表示。因此，如果我的初始数据的形状是10000,500，那么结果数据将是10000,100。

我找过了，但找不到该怎么做。可以配千层面/nolearn吗？

Answer 1

看起来答案就在文档中：http://lasagne.readthedocs.org/en/latest/user/layers.html#propagating-data-through-layers

以下是相关部分：

要计算网络的输出，则应对其调用lasagne.layers.get_output()。这将遍历网络图。

可以使用要计算输出表达式for:

y = lasagne.layers.get_output(l_out)的图层调用此函数

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(或多个实例)关联的输入变量的函数输出

..。

您还可以指定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，x

假设net的类型为nolearn.lasagne.NeuralNet，看起来您可以使用net.get_all_layers()访问底层对象。我在文档中没有看到它，但它是592行的here。

Answer 2

如果您已经命名了您的层，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)。