Python 如何从加载的keras模型中获取更多信息?
目前我正在优化我用keras训练的神经网络。为此,在层中使用了几个激活函数,我使用Python 如何从加载的keras模型中获取更多信息?,python,tensorflow,keras,neural-network,Python,Tensorflow,Keras,Neural Network,目前我正在优化我用keras训练的神经网络。为此,在层中使用了几个激活函数,我使用model.save()自动保存模型并进行评估 不幸的是,我忘记了最佳网络的确切设置,但是如何从keras中重新创建所有网络信息?当然,我使用model.load(),还有一个有用的model.summary()。但是我如何获得所使用的激活函数 model.summary()仅提供有关网络体系结构本身的信息: _____________________________________________________
model.save()
自动保存模型并进行评估
不幸的是,我忘记了最佳网络的确切设置,但是如何从keras中重新创建所有网络信息?当然,我使用model.load()
,还有一个有用的model.summary()
。但是我如何获得所使用的激活函数
model.summary()
仅提供有关网络体系结构本身的信息:
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
... ... ...
_________________________________________________________________
dense (Dense) (None, 64) 288064
_________________________________________________________________
dense_1 (Dense) (None, 128) 8320
=================================================================
Total params: 586,408
Trainable params: 586,408
Non-trainable params: 0
_________________________________________________________________
您可以使用
model.layers[id].get_config()
,其中id是层的索引。您可以使用model.layers
获取读取层,然后使用它查找权重或激活函数。比如说
act\u fncs=[l.model.layers中l的激活]