代码之家 › 专栏 › 技术社区 › thebeancounter

从非最终Keras模型层获取输出

transfer-learning deep-learning keras tensorflow python

0

thebeancounter · 技术社区 · 7 年前

我在TensorFlow上使用Ubuntu和python 3以及Keras,我尝试使用预先培训的Keras模型中的传输学习创建一个模型,如前所述。 here :

我使用以下代码

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)

2 回复 | 直到 7 年前

1

2

Agost Biro 7 年前

层与层的输出之间的角膜存在差异。您可以将层视为表示计算,将输出视为这些计算的结果。当你实例化一个 Model 对象,它期望计算结果作为输出,而不是计算本身,因此会产生错误。要修复它,可以将层的输出传递给 模型 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))

2

1

Sreeram TP 7 年前

为了获得角膜模型中中间层的输出,角膜提供了不同的方法。

在这种情况下,您可以像这样获取所需层的输出

model_out = mobilenet_model.get_layer("layer_you_want").output
m = Model(input=inputLayer, outputs=model_out)

有关此方法和其他可用方法的详细信息,请查看 this 文档