从非最终Keras模型层获取输出

豆柜台

我使用Ubuntu与Python 3及以上tensorflow keras，我想用传送学习从训练的keras模型解释预创建模型在这里：

我正在使用以下代码

import numpy as np
from keras.applications import vgg16, inception_v3, resnet50, mobilenet
from keras import Model

a = np.random.rand(1, 224, 224, 3) + 0.001
a = mobilenet.preprocess_input(a)

mobilenet_model = mobilenet.MobileNet(weights='imagenet')

mobilenet_model.summary()
inputLayer = mobilenet_model.input

m = Model(input=inputLayer, outputs=mobilenet_model.get_layer("conv_pw_13_relu")(inputLayer))
m.set_weights(mobilenet_model.get_weights()[:len(m.get_weights())])
p = m.predict(a)
print(np.std(p), np.mean(p))
print(p.shape)

我正在使用的图层的输出始终是零数组，是否应该将权重加载到我正在创建的p上，以使预先训练的模型真正起作用？

阿戈斯特·比罗（Agost Biro）

在Keras中，层与这些层的输出之间存在差异。您可以将图层视为代表计算，将输出视为这些计算的结果。当实例化一个Model对象时，它期望计算的结果作为输出，而不是计算本身，因此是错误。要解决此问题，可以将图层的输出传递给Model构造函数：

import numpy as np
from keras.applications import vgg16, inception_v3, resnet50, mobilenet
from keras import Model

a = np.random.rand(24, 224, 224, 3)
a = mobilenet.preprocess_input(a)

mobilenet_model = mobilenet.MobileNet(weights='imagenet')

mobilenet_model.summary()

model_output = mobilenet_model.get_layer("conv_pw_13_relu").output
m = Model(inputs=mobilenet_model.input, outputs=model_output)
print(m.predict(a))

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。