Python 千层面/nolearn自动编码器-如何获得隐藏层输出？

我已经用千层面/nolearn培训过自动编码器。假设网络层为[500100100500]。我对神经网络进行了如下训练：

net.fit(X, X)

我想做如下事情：

net.predict(X, layer=2)

因此，我将获得数据的抑制表示。因此，如果我的初始数据有一个形状[10000，500]，结果数据将是[10000，100]

我搜索了一下，但找不到该怎么做。

---

千层面/nolearn可以吗？

答案似乎在文档中：

以下是相关部分：

要计算网络的输出，您应该调用

lasagne.layers.get_output（）

。这将穿越网络 图表

您可以使用要计算的层调用此函数 输出表达式：

>>> y = lasagne.layers.get_output(l_out)

在这种情况下，将返回表示 和输入变量相关联的输入变量的函数输出

lasagne.layers.InputLayer

网络中的一个或多个实例

您还可以指定一个Theano表达式作为

lasagne.layers.get_output（）

的第二个参数作为输入：

---

假设

net

属于

nolearn.lasagne.NeuralNet

类型，您似乎可以使用

net.get_all_layers（）

访问底层层对象。我在文档中没有看到它，但它在第592行。

而不是

net.predict（X，layer=2）

，尝试

net.get\u output（net.layers\u[1]，X）

，或者

net.get\u output（'name\u of_layer\u 2'，X）

，如果您已经命名了图层的话。

Hi ovolve。我在千层面上用nolearn训练了网络。我想我不能使用上面的代码。代码中未使用“net”对象。我错过了什么吗？@Stergios对不起，我没意识到nolearn隐藏了图层。我已经更新了答案。注意，我还没有测试这段代码。

>>> x = T.matrix('x')
>>> y = lasagne.layers.get_output(l_out, x)
>>> f = theano.function([x], y)