Python 层次模型中注意力权重的确定

型号：

使用的注意层： 带return\u attention=True

训练模型后，我如何可视化新输入的注意力权重

我正在尝试的是：

sequence_input = Input(shape=(MAX_SENT_LENGTH,), dtype='int32')
words = embedding_layer(sequence_input)
h_words = Bidirectional(GRU(200, return_sequences=True,dropout=0.2,recurrent_dropout=0.2))(words)
sentence = Attention()(h_words)  #with return true
#sentence = Dropout(0.2)(sentence)
sent_encoder = Model(sequence_input, sentence[0])
print(sent_encoder.summary())

document_input = Input(shape=(None, MAX_SENT_LENGTH), dtype='int32')
document_enc = TimeDistributed(sent_encoder)(document_input)
h_sentences = Bidirectional(GRU(100, return_sequences=True))(document_enc)

preds = Dense(7, activation='softmax')(h_sentences)
model = Model(document_input, preds)

并传递一个新的输入，但它给了我错误

可能的原因：

---

model.layers（）只提供最后一层。我想从时间分布部分获取权重。

您可以使用以下内容显示模型中的所有层：

 get_3rd_layer_output = K.function([model.layers[0].input,K.learning_phase()],
[model.layers[1].layer.layers[3].output])

一旦你知道你的时间分布层是什么索引号，比如说3，然后使用下面的方法来获得配置和层权重

print(model.layers)

---

你好@Rohit Saxena，问题很好，你能找到解决办法吗？

g = model_name.layers[3].get_config()
h = model_name.layers[3].get_weights()
print(g)
print(h)