Keras得到中间层的输出

Question

## what my model looks like

# defining the model archictecture
model = Sequential()
# 1st conv layer
model.add(Conv2D(32, (5, 5), activation='relu', input_shape=x_ip_shape))
# 1st max pool
model.add(MaxPooling2D(pool_size=(2, 2)))
# 2nd conv layer
model.add(Conv2D(64, (7, 7), activation='relu'))
# 2nd max pool
model.add(MaxPooling2D(pool_size=(2, 2)))
# Flattenning the input
model.add(Flatten())
# 1st Fully connected layer
model.add(Dense(10, activation='relu'))
# Adding droput
model.add(Dropout(0.25))
# softmax layer
model.add(Dense(classes_out, activation='softmax'))

# defining loss, optimizer learning rate and metric
model.compile(loss='categorical_crossentropy',optimizer=keras.optimizers.Adam(1e-4), metrics=['accuracy'])


## prediction
scores = model.evaluate(test_x, test_labels, verbose=0)

问题:相反，我可以获得#1完全连接层的前传输出，即model.add(Dense(10, activation='relu'))。

我在keras 常见问题上做了一个例子。但这让我困惑:在这个问题上：

get_3rd_layer_output = K.function([model.layers[0].input, K.learning_phase()], [model.layers[3].output])

在哪里传递输入数据？model.layers.input是什么意思？受过训练的模型是否存储输入？

Answer 1

get_3rd_layer_output是一个Theano函数。你不需要对它做很多修改。

如果您想要网络中第一层的输入(任何层的)输出，model.layers[0].input将保持原样。换句话说，如果您希望将某一层的输出作为第4层的输入，则应该将其更改为model.layers[4].input。

K.learning_phase()指示您希望输出是在培训阶段还是在测试阶段。这两个层的输出之间会有一些差异，因为有一些层(如Dropout )在训练和测试期间的行为不同。如果希望输出类似于predict()，则需要传递零。

model.layers[3].output：这就是您需要修改的地方。找出要输出的层的索引。如果您有IDE (例如Pycharm)，那么单击model变量并查看您的层的索引(记住它从零开始)。如果没有，为该层分配一些名称，然后您可以通过执行model.layers来查找所有的图层名称。从这里，您可以很容易地得到索引。例如，如果您想要从第10层输出，那么您可以将其更改为model.layers[10].output。

怎么叫这个？

同样，这是一个Theano函数，所以是一个symolic函数。您必须传递值并对其进行评估。你这样做如下：

out = get_3rd_layer_output([X, 0])[0]  # test mode

记住，即使X是一个数据点，它的形状也应该是(1,) + x_ip_shape。