PyBrain网络中所有节点的激活值

Question

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）。

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。

- dylanross

Answer 1

看起来这应该可以工作：

net['in'].outputbuffer[net['in'].offset]
net['hidden0'].outputbuffer[net['hidden0'].offset]

仅仅基于查看源代码。

- James