如何使用其層的權重和偏差從 Keras model 推導出 output？

Question

我的 model 試圖預測 y = 2x + 5 之后的線性回歸中的值。因此，我的訓練數據類似於以下內容：

x_train = [0, 1, 2, 3, 4, ...] and y_train = [5, 7, 9, 11, 13, ...]   

我的 Keras model 看起來像這樣：

`model = tf.keras.Sequential([
    tf.keras.layers.Dense(16, activation='relu', input_dim=1),
    tf.keras.layers.Dense(1, activation='linear')
])
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['mse'])
model.fit(x_train, y_train, epochs=1000, batch_size=10)`

在獲得良好的驗證准確度后，我希望查看模型的權重和偏差，以計算給定輸入的 output，因為我希望了解簡單的神經網絡是如何工作的。 我在跑步時達到以下權重和偏差

for l in model.layers: print(l.get_weights())

[array([[-0.10382611,  0.48899287, -0.36912352, -0.11604425,  0.03658517,
     0.546786  , -0.0094437 ,  0.5393126 , -0.36325318, -0.20389882,
    -0.00112574, -0.39811927, -0.25433052, -0.16315842,  0.6172162 ,
    -0.47300738]], dtype=float32), array([ 0.        ,  1.1705374 ,  
     0.        ,  0.        , -0.41323203, 0.97515434, 0.        , 
     0.99699414,  0.        ,  0.        ,-0.2316811 , 0.        ,
     0.        ,  0.        ,  1.4638424 , 0.       ], dtype=float32)]
[array([[-0.30404267],
   [ 0.91265625],
   [ 0.3578334 ],
   [-0.23462006],
   [-0.33843294],
   [ 1.080244  ],
   [-0.5933689 ],
   [ 1.0348322 ],
   [ 0.47716653],
   [ 0.18852347],
   [-0.21219982],
   [ 0.45529807],
   [ 0.39576346],
   [-0.05013525],
   [ 0.67550814],
   [-0.19761673]], dtype=float32), array([0.7426254], dtype=float32)]

我的印象是，如果我輸入 10 的值，我應該期望值 25 作為 output（或非常接近）。 然而，當我嘗試自己做數學時，我並沒有那么接近。 我目前對這應該如何工作的理解是：

1. 將權重數組的第 n 個元素乘以 10 並添加偏置數組的第 n 個元素
2. 取第 n 個結果並乘以第二個權重數組的第 n 個元素，然后加上第二個偏置數組的第 n 個元素
3. 結果應該是 25（或非常接近）

我不明白這應該如何工作？

Answer 1

如果我們觀察每一層的權重和偏差數組，我們可以看到錯誤的結果是由於缺乏訓練造成的。 Model 無法使用這些參數學習模式，但我們可以說它正在改進，因為權重和偏差被認為在增加，這是必需的，因為我們已經有模式背后的邏輯。 如果您的訓練數據很小，我建議您增加迭代次數並更改批量大小。