我觉得这应该是微不足道的，但我一直在努力在 PyBrain 文档、此处或其他地方找到任何有用的东西。
问题是这样的:
我有一个在 PyBrain 中构建和训练的三层(输入、隐藏、输出)前馈网络。每层有三个节点。我想用新的输入激活网络，并将节点的激活值存储在隐藏层。据我所知，net.activate() 和 net.activateOnDataset() 只会返回输出层节点的激活值，并且是激活网络的唯一方法。
我如何获得 PyBrain 网络的隐藏层激活？
我不确定示例代码在这种情况下会有多大帮助，但这里有一些(使用精简的训练集):
from pybrain.tools.shortcuts import buildNetwork
from pybrain.datasets import SupervisedDataSet
from pybrain.supervised.trainers import BackpropTrainer
net = buildNetwork(3, 3, 3)
dataSet = SupervisedDataSet(3, 3)
dataSet.addSample((0, 0, 0), (0, 0, 0))
dataSet.addSample((1, 1, 1), (0, 0, 0))
dataSet.addSample((1, 0, 0), (1, 0, 0))
dataSet.addSample((0, 1, 0), (0, 1, 0))
dataSet.addSample((0, 0, 1), (0, 0, 1))
trainer = BackpropTrainer(net, dataSet)
trained = False
acceptableError = 0.001
# train until acceptable error reached
while trained == False :
error = trainer.train()
if error < acceptableError :
trained = True
result = net.activate([0.5, 0.4, 0.7])
print result
在这种情况下，所需的功能是打印隐藏层激活值的列表。
最佳答案
看起来这应该可行:
net['in'].outputbuffer[net['in'].offset]
net['hidden0'].outputbuffer[net['hidden0'].offset]
纯粹基于看the source code .
关于python - PyBrain 网络中所有节点的激活值，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/12436311/