我编写了一个具有3个隐藏层的神经网络(使用Python中的Keras模块)。网络代码如下:# Create the model
np.random.seed(1) # Just for reproducibility of results
model = Sequential()
model.add(Dense(input_dim=x.shape[1],
output_dim=50,
init='uniform',
activation='tanh'))
model.add(Dense(input_dim=50,
output_dim=50,
init='uniform',
activation='tanh'))
model.add(Dense(input_dim=50,
output_dim=10,
init='uniform',
activation='tanh'))
model.add(Dense(input_dim=10,
output_dim=1,
init='uniform',
activation='linear'))
optimizer = keras.optimizers.RMSprop(lr=0.001, rho=0.9, epsilon=1e-08)
model.compile(loss='mse', optimizer=optimizer)
history = model.fit(x,y,nb_epoch=2000,batch_size=20,verbose=1,validation_split=0.1)
我训练了神经网络,有了权值矩阵。在
但是,有一个软件,我想用神经网络学来的函数,这个软件不支持神经网络。所以,我直接把这个等式给那个软件。基本上,把x1,x3表示为神经网络的特征。在
随着隐藏层数量的增加,手动执行此任务变得更加繁琐。从几次搜索中,我知道MATLAB的nn toolboox中的genFunction()就是这样做的。但遗憾的是,我不能在这里使用MATLAB。在
我想知道在Keras中(或者在Python中)是否有一个函数可以做到这一点,也就是说,它能直接给我函数方程,或者是一个代码片段,它以x1,x2,…,xd作为输入并返回输出值?在