我有一个训练有素的模型,可以将rgb值分类为1000个类别。
#Model architecture
model = Sequential()
model.add(Dense(512,input_shape=(3,),activation="relu"))
model.add(BatchNormalization())
model.add(Dense(512,activation="relu"))
model.add(BatchNormalization())
model.add(Dense(1000,activation="relu"))
model.add(Dense(1000,activation="softmax"))
我希望能够在softmax层之前提取输出,以便我可以对模型中类别的不同样本进行分析。我想为每个样本执行softmax,并使用名为getinfo()的函数进行分析。
型号 最初,我将X_train数据输入到model.predict中,以获得每个输入的1000个概率的向量。我在此数组上执行getinfo()以获得所需的结果。
Pop1 然后,我使用model.pop()删除softmax层。我对弹出的模型有了新的预测,并执行scipy.special.softmax。但是,getinfo()在此数组上产生完全不同的结果。
Pop2 我编写了自己的softmax函数来验证第二个结果,并且得到与Pop1几乎相同的答案。
Pop3 但是,当我简单地在没有softmax函数的model.pop()输出上计算getinfo()时,得到的结果与初始Model相同。
data = np.loadtxt("allData.csv",delimiter=",")
model = load_model("model.h5")
def getinfo(data):
objects = scipy.stats.entropy(np.mean(data, axis=0), base=2)
print(('objects_mean',objects))
colours_entropy = []
for i in data:
e = scipy.stats.entropy(i, base=2)
colours_entropy.append(e)
colours = np.mean(np.array(colours_entropy))
print(('colours_mean',colours))
info = objects - colours
print(('objects-colours',info))
return info
def softmax_max(data):
# calculate softmax whilst subtracting the max values (axis=1)
sm = []
count = 0
for row in data:
max = np.argmax(row)
e = np.exp(row-data[count,max])
s = np.sum(e)
sm.append(e/s)
sm = np.asarray(sm)
return sm
#model
preds = model.predict(X_train)
getinfo(preds)
#pop1
model.pop()
preds1 = model.predict(X_train)
sm1 = scipy.special.softmax(preds1,axis=1)
getinfo(sm1)
#pop2
sm2 = softmax_max(preds1)
getinfo(sm2)
#pop3
getinfo(preds1)
我希望从Model,Pop1和Pop2得到相同的输出,但是对Pop3的答案是不同的,因为我在这里没有计算softmax。我想知道问题是否在于在model.predict之后计算softmax吗?以及我是否在Model和Pop3中获得相同的结果,因为softmax将值限制在0-1之间,所以出于getinfo()函数的目的,该结果在数学上是等效的吗?
如果是这种情况,那么如何在model.predict之前执行softmax?
我已经绕了这个圈,所以任何帮助或见解将不胜感激。如果有任何不清楚的地方,请告诉我。谢谢!
答案 0 :(得分:1)
{
"name": "my-app",
"version": "0.1.0",
"private": true,
"dependencies": {
"@material-ui/core": "^4.4.2",
"antd": "^3.23.3",
"axios": "^0.19.0",
"bootstrap": "^4.3.1",
"react": "^16.9.0",
"react-bootstrap": "^1.0.0-beta.12",
"react-dom": "^16.9.0",
"react-js-pagination": "^3.0.2",
"react-paginate": "^6.3.0",
"react-router": "^5.0.1",
"react-router-dom": "^5.0.1",
"react-scripts": "3.1.1",
"reactstrap": "^8.0.1"
},
"scripts": {
"start": "react-scripts start",
"build": "react-scripts build",
"test": "react-scripts test",
"eject": "react-scripts eject"
},
"eslintConfig": {
"extends": "react-app"
},
"browserslist": {
"production": [
">0.2%",
"not dead",
"not op_mini all"
],
"development": [
"last 1 chrome version",
"last 1 firefox version",
"last 1 safari version"
]
}
}
不会立即生效。您需要再次运行model.pop()
,以重新编译不包含最后一层的新模型。
没有重新编译,实际上您在完全相同的模型上连续运行model.compile()
两次,这说明了为什么Model和Pop3给出相同的结果。 Pop1和Pop2给出奇怪的结果,因为它们正在计算softmax的softmax。
此外,您的模型没有softmax作为单独的图层,因此model.predict()
离开了整个最后的pop
图层。要解决此问题,请将softmax添加为单独的图层,如下所示:
Dense