Keras 中间层输出

Question

我将尝试在使用Keras的Functional API时获取中间层输出。我可以在使用标准Sequential API时获取输出，但在使用Functional API时无法获得。

我正在处理以下工作示例：

from keras.models import Sequential
from keras.layers import Input, Dense,TimeDistributed
from keras.models import Model
from keras.layers import Dense, LSTM, Bidirectional,Masking

inputs = [[[0,0,0],[0,0,0],[0,0,0],[0,0,0]],[[1,2,3],[4,5,6],[7,8,9],[10,11,12]],[[10,20,30],[40,50,60],[70,80,90],[100,110,120]]]

model = Sequential()
model.add(Masking(mask_value=0., input_shape = (4,3)))
model.add(Bidirectional(LSTM(3,return_sequences = True),merge_mode='concat'))
model.add(TimeDistributed(Dense(3,activation = 'softmax')))


print "First layer:"
intermediate_layer_model = Model(input=model.input,output=model.layers[0].output)
print intermediate_layer_model.predict(inputs)
print ""
print "Second layer:"
intermediate_layer_model = Model(input=model.input,output=model.layers[1].output)
print intermediate_layer_model.predict(inputs)
print ""
print "Third layer:"
intermediate_layer_model = Model(input=model.input,output=model.layers[2].output)
print intermediate_layer_model.predict(inputs)

但是如果我使用函数式API，它并不能正常工作。输出结果不正确。例如，在第二层中它会输出初始输入：

inputs_ = Input(shape=(4,3))
x = Masking(mask_value=0., input_shape = (4,3))(inputs_)
x = Bidirectional(LSTM(3,return_sequences = True),merge_mode='concat')(x)
predictions = TimeDistributed(Dense(3,activation = 'softmax'))(x)
model2 = Model(input=inputs_, output=predictions)

print "First layer:"
intermediate_layer_model = Model(input=model2.input,output=model2.layers[0].output)
print intermediate_layer_model.predict(inputs)
print ""
print "Second layer:"
intermediate_layer_model = Model(input=model2.input,output=model2.layers[1].output)
print intermediate_layer_model.predict(inputs)
print ""
print "Third layer:"
intermediate_layer_model = Model(input=model2.input,output=model2.layers[2].output)
print intermediate_layer_model.predict(inputs)

回答： 显然，在使用功能 API 层时，0 表示输入本身。因此，所有内容都向前移动一个位置。

- Miguel

---

为什么不将你的答案写成一个实际的答案（并接受它），而不是将它作为问题的脚注？这样很容易被忽略... 建议将您的回答作为一个实际的答案发布，并选中“接受答案”。这样其他人就能更容易地找到您的答案，而不会错过它。 - Mr Tsjolder

Answer 1

问题出在OP所说的事实上，即索引为0的层（即model.layers[0]）对应于输入层：“使用函数式API时，第0层就是输入本身。因此，所有内容都向前移动了一个位置。”

注意：此答案以社区百科的形式发布，正如已接受的答案和{{link2：“没有答案的问题，但问题在评论中得到解决（或在聊天中扩展）”}}中建议的那样。

- today