Keras 中间层可视化，附代码详解，以Mnist数字为对象

最近搭建了个Resnet50 的神经网络模型，相看一看中间某一层的输出结果，想感性的感受下逐层提取特征的过程，以数字0为对象，对数字0逐层提取特征，话不多说直接上代码，关于如何搭建Resnet，可以参见博主的博客主页，也可以参见网上资料，关于如何搭建资源很丰富，在这里直接导入已经搭建并且 训练好的神经网络模型。

 #!/usr/bin/env python 3.6
 #_*_coding:utf-8 _*_
 #@Time    :2019/11/16 22:42
 #@Author  :控制工程小小白
 #@FileName: virtual.py

 #@Software: PyCharm
 from keras.models import load_model
 from keras import backend as K
 import cv2
 import numpy as np
 import processor
 from matplotlib import pyplot as plt
 from Resnet import Resnet50
 from keras.models import Model
 from keras import backend as K
 from keras.layers import Input
 model=Resnet50()#导入模型，该模型的搭建代码见博主的下一篇博客
 image_path=r'G:\make_Mnist_data\mnist_train\0.jpg'#测试图片保存的路径
 image=cv2.imread(image_path)#读取图片

 image_arr = cv2.resize(image, (32, 32))# 根据载入的训练好的模型的配置，将图像统一尺寸
 print(image_arr.shape)
 image_arr = np.expand_dims(image_arr, axis=0)

 model.load_weights('./My_keras_Resnet50_weight_Adma.h5') #给Resnet加载已经训练好了的权值文件。
 layer_1 = K.function([model.layers[0].input], [model.layers[40].output])#第一个 model.layers[0],不修改,表示输入数据；第二个model.layers[you wanted],修改为你需要输出的层数的编号

 print(model.layers[40].output.shape)#输出第40层的形状

 #第40层后的特征图展示，输出是（？,19,19,512），（样本个数，特征图尺寸长，特征图尺寸宽，特征图个数）

 plt.subplots_adjust(left=None, bottom=None, right=None, top=None,
                 wspace=None, hspace=None)#调整图与图之间的间隔
 f1 = layer_1([image_arr])[0]#只修改inpu_image
 for _ in range(512):#512表示特征图通道数
     show_img = f1[:, :, :, _]
     show_img.shape = [19, 19]
     plt.subplot(32, 16, _ + 1)#将特征图显示为32行16列
     plt.subplot(32, 16, _ + 1)
     plt.imshow(show_img, cmap='gray')
     plt.axis('off')
 plt.show()

此图即是提取中间层的结果。