从非最终 keras 模型层获取输出

Question

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)

我使用的层的输出始终是一个零数组，我是否应该将权重加载到我正在创建的 p 以便预训练模型实际工作？

Answer 1

Keras 中的层和这些层的输出之间存在差异。您可以将层视为表示计算，而将输出视为这些计算的结果。当您实例化一个Model对象时，它期望计算的结果作为它的输出，而不是计算本身，因此会出现错误。要修复它，您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))