如何从预训练的ResNet模型Keras的图层中提取特征
如何从预训练的ResNet模型Keras的图层中提取特征
提问于 2019-05-19 17:10:57
我用Resnet3D训练了一个模型，我想提取一层的神经元。我计划将它们与SVM分类器一起使用。如何提取这些权重并将它们放到numpy数组中？
通过keras加载权重
model = Resnet3DBuilder.build_resnet_18((128, 96, 96, 3), nClass[0])
model.load_weights('drive/app/models/3d_resnet_modelq.hdf5')提取图层
dns = model.layers[-1].output现在我该怎么做呢？
回答 1
Stack Overflow用户
回答已采纳
发布于 2019-05-20 01:25:52
如果你只是想要可视化这些特性，在纯Keras中，你可以定义一个带有所需图层的Model作为输出：
from keras.models import Model
model_cut = Model(inputs=model.inputs, output=model.layers[-1].output)
features = model_cut.predict(x) # Assuming you have your images in x请注意，为了使其正常工作，model必须至少编译过一次。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/56206330
复制相关文章
相似问题