要使用Keras獲得關于權重的模型輸出的梯度，您必須使用Keras后端模塊 . 我創建了這個簡單的例子來準確說明該做什么：

from keras.models import Sequential

from keras.layers import Dense, Activation

from keras import backend as k

model = Sequential()

model.add(Dense(12, input_dim=8, init='uniform', activation='relu'))

model.add(Dense(8, init='uniform', activation='relu'))

model.add(Dense(1, init='uniform', activation='sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

要計算梯度，我們首先需要找到輸出張量 . 對于模型的輸出(我最初提出的問題)，我們只需調用model.output . 我們還可以通過調用model.layers [index] .output找到其他層的輸出梯度

outputTensor = model.output #Or model.layers[index].output

然后我們需要選擇與梯度相關的變量 .

listOfVariableTensors = model.trainable_weights

#or variableTensors = model.trainable_weights[0]

我們現在可以計算梯度 . 它很簡單如下：

gradients = k.gradients(outputTensor, listOfVariableTensors)

要實際運行給定輸入的漸變，我們需要使用一點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})

這就是它！

總結

以上是生活随笔為你收集整理的java调用keras theano模型_使用Keras获得模型输出的梯度w.r.t权重的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。