我用CNN训练了一个二进制分类模型,下面是我的代码
model = Sequential()
model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1],
border_mode='valid',
input_shape=input_shape))
model.add(Activation('relu'))
model.add(Convolution2D(nb_filters, kernel_size[0], kernel_size[1]))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=pool_size))
# (16, 16, 32)
model.add(Convolution2D(nb_filters*2, kernel_size[0], kernel_size[1]))
model.add(Activation('relu'))
model.add(Convolution2D(nb_filters*2, kernel_size[0], kernel_size[1]))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=pool_size))
# (8, 8, 64) = (2048)
model.add(Flatten())
model.add(Dense(1024))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(2)) # define a binary classification problem
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy',
optimizer='adadelta',
metrics=['accuracy'])
model.fit(x_train, y_train,
batch_size=batch_size,
nb_epoch=nb_epoch,
verbose=1,
validation_data=(x_test, y_test))
在这里,我想要像TensorFlow一样得到每一层的输出,我该怎么做呢?
发布于 2017-09-22 15:35:03
来自https://keras.io/getting-started/faq/#how-can-i-obtain-the-output-of-an-intermediate-layer
一种简单的方法是创建一个新的模型,该模型将输出您感兴趣的层:
from keras.models import Model
model = ... # include here your original model
layer_name = 'my_layer'
intermediate_layer_model = Model(inputs=model.input,
outputs=model.get_layer(layer_name).output)
intermediate_output = intermediate_layer_model.predict(data)
或者,您可以构建一个Keras函数,该函数将在给定特定输入的情况下返回特定图层的输出,例如:
from keras import backend as K
# with a Sequential model
get_3rd_layer_output = K.function([model.layers[0].input],
[model.layers[3].output])
layer_output = get_3rd_layer_output([x])[0]
发布于 2019-05-31 10:28:20
基于这个线程的所有好答案,我编写了一个库来获取每一层的输出。它抽象了所有的复杂性,并且被设计成尽可能用户友好的:
https://github.com/philipperemy/keract
它可以处理几乎所有的边缘情况。
希望它能帮上忙!
发布于 2017-08-01 14:24:10
以下内容在我看来非常简单:
model.layers[idx].output
上面是一个张量对象,因此您可以使用可以应用于张量对象的操作来修改它。
例如,要获取形状model.layers[idx].output.get_shape()
idx
是图层的索引,您可以通过model.summary()
找到它
https://stackoverflow.com/questions/41711190
复制相似问题