我正在开发一个自动编码器集群某些组的图像。
input_images->...->bottleneck->...->output_images我已经对自动编码器进行了校准,并保存了模型;一切都是在python3上使用keras.tensorflow开发的。
下一步是将自动编码器应用于大量图像,并根据瓶颈层中的余弦距离对它们进行聚类。哦,我刚刚意识到我不知道keras.tf中的语法,不知道如何在批处理上运行模型直到特定的层,而不是输出层。因此,问题是:
如何在特定的“瓶颈”层运行Model.predict_on_batch或Model.predict_generator之类的命令,并检索该层上的值,而不是输出层上的值?
发布于 2019-09-11 01:33:47
您需要定义一个新模型(如果最初没有将编码器和解码器定义为单独的模型,这通常是最简单的选择)。
如果您的模型是在没有重用层的情况下定义的,那么它只是:
inputs = model.input
outputs= model.get_layer('bottleneck').output
encoder = Model(inputs, outputs)将encoder模型用作任何其他模型。
发布于 2021-11-20 09:06:17
完整的代码应该是这样的,
# ENCODER
encoding_dim = 37310
input_layer = Input(shape=(encoding_dim,))
encoder = Dense(500, activation='tanh')(input_layer)
encoder = Dense(100, activation='tanh')(encoder)
encoder = Dense(50, activation='tanh', name='bottleneck_layer')(encoder)
decoder = Dense(100, activation='tanh')(encoder)
decoder = Dense(500, activation='tanh')(decoder)
decoder = Dense(37310, activation='sigmoid')(decoder)
# full model
model_full = models.Model(input_layer, decoder)
model_full.compile(optimizer='adam', loss='mse')
model_full.fit(x, y, epochs=20, batch_size=16)
# bottleneck model
bottleneck_output = model_full.get_layer('bottleneck_layer').output
model_bottleneck = models.Model(inputs = model_full.input, outputs = bottleneck_output)
bottleneck_predictions = model_bottleneck.predict(X_test)https://stackoverflow.com/questions/57875581
复制相似问题