如何将训练完成后隐藏层的权重W及偏置b输出
收藏
在构建多层感知器模型后,对其进行训练完成后。如何将中间隐藏层的权重Weight和偏置bias输出为numpy的array格式?
例如:输入层有n个神经元,隐藏层m个神经元,它们之间的权重W应为 n×m 的矩阵,偏置b应为 1×m 的矩阵,如何将W、b以numpy的array格式取出?
刚接触paddlepaddle,请大神指点,如有描述不清之处,请多指正!谢谢!
0
收藏
请登录后评论
不需要输出吧。设计的网络层结构继续复用,直接从model文件导入。训练结束的时候可以把参数保存成model
谢谢,但我需要把它拿出来。
在github也有人提问这个问题,无奈小白看不懂大神怎么解决,只说明了一个方向。https://github.com/PaddlePaddle/Paddle/issues/15149
再次表示感谢!
谢谢,但我需要把它拿出来。
在github也有人提问这个问题,无奈小白看不懂大神怎么解决,只说明了一个方向。https://github.com/PaddlePaddle/Paddle/issues/15149
再次表示感谢!
参考你给的链接里面的例子,可以这样写,这里以paddlepaddle线性预测的例子来说明。
定义fc层时,可以这样
然后你可以这样获取
到初始化之后的代码
你看看上面这位的方法。
我paddle只属于过家家级
谢谢!我在看了github大神指导后,到了下面这步,就进行不下去了。
原来直接使用np.array(fc_w)就可以直接得到了,非常感谢!
无论怎样,都是有帮助的,感谢您!
客气了 社区大家庭欢迎常回来看看
多谢分享,