小编dyl*_*oss的帖子

我觉得这应该是微不足道的,但我很难在PyBrain文档中找到任何有用的东西,在这里或其他地方.

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.我想用新颖的输入激活网络,并将结果的激活值存储在隐藏层.据我所知,net.activate()和net.activateOnDataset()只返回输出层节点的激活值,是激活网络的唯一方法.

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,但无论如何这里有一些(使用减少的训练集):

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() …