CNTK Python API:评估隐藏层/多个输出

Question

对于在CNTK Python api中创建、保存、加载和评估具有多个输出的模型有何建议？（我使用的是cntk2.0rc1）

当我在运行时定义一个网络时，我可以通过向eval函数传递一个小型批处理字典来轻松评估网络的任何层。在

但是，在保存模型并再次加载之后，我只能通过提供输入来计算输出节点（我不知道如何在pythonapi中定义多个输出）。我可以使用find_all_by_name方法访问任何层，但当我尝试使用eval方法评估隐藏层时，它希望我提供层的即时输入，而不是相关网络的输入：

ValueError: No value specified for input Variable 'Output('Block1958_Output_0', [#], [1024 x 200])' of Function 'Dense: Output('Block1958_Output_0', [#], [1024
x 200]) -> Output('conversation_vector', [#], [100])'. 

我只找到了关于这个主题的以下文档，它适用于Brainscript:https://github.com/Microsoft/CNTK/wiki/CNTK-Evaluate-Hidden-Layers——我找不到任何特定于Python API的文档。在

Answer 1

获得所需的所有层之后，可以使用Combine（）创建一个新函数，然后对新函数调用eval。它在C++中工作，虽然我没有用Python尝试过。在

https://www.cntk.ai/pythondocs/cntk.ops.html?highlight=combine#cntk.ops.combine

Answer 2

在模型输出[0]是一个变量，可以通过模型输出[0].owner或as\u复合(模型输出[0].owner），如果所有者是基元函数（它只显示立即输入，而复合函数则显示用于映射的根输入变量）

所以试试这个：

as_composite(model.outputs[0].owner).eval(...)