Keras 获取中间某一层输出

1.使用函数模型API，新建一个model，将输入和输出定义为原来的model的输入和想要的那一层的输出，然后重新进行predict.

 #coding=utf-8
 import seaborn as sbn
 import pylab as plt
 import theano
 from keras.models import Sequential
 from keras.layers import Dense,Activation

 from keras.models import Model

 model = Sequential()
 model.add(Dense(32, activation='relu', input_dim=100))
 model.add(Dense(16, activation='relu',name="Dense_1"))
 model.add(Dense(1, activation='sigmoid',name="Dense_2"))
 model.compile(optimizer='rmsprop',
 loss='binary_crossentropy',
 metrics=['accuracy'])

 # Generate dummy data
 import numpy as np
 #假设训练和测试使用同一组数据
 data = np.random.random((1000, 100))
 labels = np.random.randint(2, size=(1000, 1))

 # Train the model, iterating on the data in batches of 32 samples
 model.fit(data, labels, epochs=10, batch_size=32)
 #已有的model在load权重过后
 #取某一层的输出为输出新建为model，采用函数模型
 dense1_layer_model = Model(inputs=model.input,
 outputs=model.get_layer('Dense_1').output)
 #以这个model的预测值作为输出
 dense1_output = dense1_layer_model.predict(data)

 print dense1_output.shape
 print dense1_output[0]

 2.因为我的后端是使用的theano，所以还可以考虑使用theano的函数：
 #这是一个theano的函数
 dense1 = theano.function([model.layers[0].input],model.layers[1].output,allow_input_downcast=True)
 dense1_output = dense1(data) #visualize these images's FC-layer feature
 print dense1_output[0]

效果应该是一样的。

---------------------
作者：哈哈进步
来源：CSDN
原文：https://blog.csdn.net/hahajinbu/article/details/77982721
版权声明：本文为博主原创文章，转载请附上博文链接！