我想要做的就是下载 tensorflow 的内置模型之一（通过 keras），关闭输出层的 softmax（即用线性激活函数替换它），以便我的输出特征是输出层之前的激活应用了 softmax。
所以，我把 VGG16 作为模型，并称之为 base_model
from tensorflow.keras.applications.vgg16 import VGG16
from tensorflow.keras.applications.vgg16 import preprocess_input
base_model = VGG16()
我看看最后一层是这样的：
base_model.get_layer('predictions').get_config()
并得到：
{'name': 'predictions',
'trainable': True,
'dtype': 'float32',
'units': 1000,
'activation': 'softmax',
'use_bias': True,
'kernel_initializer': {'class_name': 'GlorotUniform',
'config': {'seed': None, 'dtype': 'float32'}},
'bias_initializer': {'class_name': 'Zeros', 'config': {'dtype': 'float32'}},
'kernel_regularizer': None,
'bias_regularizer': None,
'activity_regularizer': None,
'kernel_constraint': None,
'bias_constraint': None}
然后，我这样做是为了切换激活功能：
base_model.get_layer('predictions').activation=tf.compat.v1.keras.activations.linear
它看起来像这样：
base_model.get_layer('predictions').get_config()
给出：
{'name': 'predictions',
'trainable': True,
'dtype': 'float32',
'units': 1000,
'activation': 'linear',
'use_bias': True,
'kernel_initializer': …