我觉得这应该很简单,但我在PyBrain文档中以及其他地方都找不到有用的信息。问题如下:我建立了一个三层(输入、隐藏和输出)的前馈网络,并在PyBrain中进行了训练。每层都有三个节点。我想用新的输入激活网络,并存储隐藏层节点的激活值。据我所知,net.activate() 和 net.activateOnDataset() 只会返回输出层节点的激活值,并且是激活网络的唯一方法。那么,如何获取 PyBrain 网络的隐藏层激活值呢?我不确定在这种情况下示例代码会有多大帮助,但是这里提供一些样例代码(使用缩减的训练集)。
在这种情况下,期望的功能是打印隐藏层激活值的列表。
from pybrain.tools.shortcuts import buildNetwork
from pybrain.datasets import SupervisedDataSet
from pybrain.supervised.trainers import BackpropTrainer
net = buildNetwork(3, 3, 3)
dataSet = SupervisedDataSet(3, 3)
dataSet.addSample((0, 0, 0), (0, 0, 0))
dataSet.addSample((1, 1, 1), (0, 0, 0))
dataSet.addSample((1, 0, 0), (1, 0, 0))
dataSet.addSample((0, 1, 0), (0, 1, 0))
dataSet.addSample((0, 0, 1), (0, 0, 1))
trainer = BackpropTrainer(net, dataSet)
trained = False
acceptableError = 0.001
# train until acceptable error reached
while trained == False :
error = trainer.train()
if error < acceptableError :
trained = True
result = net.activate([0.5, 0.4, 0.7])
print result
在这种情况下,期望的功能是打印隐藏层激活值的列表。