网站开发发送短信,房产主题wordpress,韩国网站怎么打开,个人电影网站备案要使用Keras获得关于权重的模型输出的梯度#xff0c;您必须使用Keras后端模块 . 我创建了这个简单的例子来准确说明该做什么#xff1a;from keras.models import Sequentialfrom keras.layers import Dense, Activationfrom keras import backend as kmodel Sequential()m…要使用Keras获得关于权重的模型输出的梯度您必须使用Keras后端模块 . 我创建了这个简单的例子来准确说明该做什么from keras.models import Sequentialfrom keras.layers import Dense, Activationfrom keras import backend as kmodel Sequential()model.add(Dense(12, input_dim8, inituniform, activationrelu))model.add(Dense(8, inituniform, activationrelu))model.add(Dense(1, inituniform, activationsigmoid))model.compile(lossbinary_crossentropy, optimizeradam, metrics[accuracy])要计算梯度我们首先需要找到输出张量 . 对于模型的输出(我最初提出的问题)我们只需调用model.output . 我们还可以通过调用model.layers [index] .output找到其他层的输出梯度outputTensor model.output #Or model.layers[index].output然后我们需要选择与梯度相关的变量 .listOfVariableTensors model.trainable_weights#or variableTensors model.trainable_weights[0]我们现在可以计算梯度 . 它很简单如下gradients k.gradients(outputTensor, listOfVariableTensors)要实际运行给定输入的渐变我们需要使用一点Tensorflow .trainingExample np.random.random((1,8))sess tf.InteractiveSession()sess.run(tf.initialize_all_variables())evaluated_gradients sess.run(gradients,feed_dict{model.input:trainingExample})这就是它