Python 提取细胞状态LSTM Keras

我想知道是否有可能在训练模型后提取Keras中LSTM的最后细胞状态。例如，在这个简单的LSTM模型中：

number_of_dimensions = 128
number_of_examples = 123456

input_ = Input(shape = (10,100,))
lstm, hidden, cell = CuDNNLSTM(units = number_of_dimensions, return_state=True)(input_)

dense = Dense(num_of_classes, activation='softmax')(lstm)

model = Model(inputs = input_, outputs = dense)
parallel_model = multi_gpu_model(model, gpus=2)
parallel_model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['acc'])

# fit the model
parallel_model.fit(X1, onehot_encoded, epochs=100, verbose=1, batch_size = 128, validation_split = 0.2)

我试着打印“cell”，但结果是

tf.Tensor 'cu_dnnlstm_2/strided_slice_17:0' shape=(?, 128) dtype=float32 

我想将单元格状态作为一个形状的numpy数组（示例的数量，维度的数量）或（123456128）。有可能这样做吗

---

谢谢大家!

假设您使用TensorFlow作为后端，您可以在TensorFlow会话中专门运行

cell

。例如：

from keras.layers import LSTM, Input, Dense
from keras.models import Model
import keras.backend as K
import numpy as np

number_of_dimensions = 128
number_of_examples = 123456

input_ = Input(shape=(10, 100,))
lstm, hidden, cell = LSTM(units=number_of_dimensions, return_state=True)(input_)
dense = Dense(10, activation='softmax')(lstm)
model = Model(inputs=input_, outputs=dense)

with K.get_session() as sess:
    x = np.zeros((number_of_examples, 10, 100))
    cell_state = sess.run(cell, feed_dict={input_: x})
    print(cell_state.shape)

---

您可能感兴趣的一个选项是将模型权重保存到hdf5文件：

model.save_weights('my_model_weights.h5')

（参考号：）

然后使用HDF查看器，如Java HDFView包：

---

我相信您可以将数据导出到CSV，以便导入到Numpy中。

我相信OP要求的是LSTM层的状态，而不是权重。公平地说，我没有回答原始问题的确切措辞。根据优化器状态，也将使用此方法保存，那么这是否使我的答案至少有50%的准确性？！不，LSTM隐藏状态和单元格状态不会与模型一起保存，只保存优化器状态。这不是一回事。