保存 CNN-Keras 的层值答案

【问题标题】：Saving Layer Values of CNN- Keras保存 CNN-Keras 的层值
【发布时间】：2021-05-28 06:28:23
【问题描述】：

我在 Keras 中创建了以下简单的 CNN（借自 DeepLizard 教程）。

model = Sequential([
        Conv2D(filters = 10, kernel_size = (3, 3), activation = 'relu', padding = 'same', input_shape = (320, 320, 3)),
        MaxPool2D(pool_size = (2, 2), strides = 2),
        Conv2D(filters = 10, kernel_size = (3, 3), activation = 'relu', padding = 'same'),
        MaxPool2D(pool_size = (2, 2), strides = 2),
        Flatten(),
        Dense(20, activation = 'softmax'),
        ])

model.summary()

model.compile(optimizer = Adam(lr = 0.0001), loss = 'categorical_crossentropy', metrics =['accuracy'])

model.fit(x = train_batches, validation_data = valid_batches, epochs = 10, verbose = 2)


predictions = model.predict(x = test_batches, verbose = 0)

如您所见，我将模型生成的预测保存到名为“predictions”的数据框中。但我也有兴趣保存每个 MaxPool2D 层、Conv2D 层和 flatten 层的输出。有没有一种方法可以将这些图层的输出也保存到数据框/列表中？ Keras 中是否有此功能？

谢谢！

【问题讨论】：

这些层的输出是特征图。那么，你想保存特征图吗？这些可以保存为列表或数组。
是的，我希望为我呈现给模型的每个输入保存特征图。另外，展平层不应该只是一个长度等于展平层大小的单个数组吗？
这能回答你的问题吗？ Keras, How to get the output of each layer?

标签： python tensorflow keras conv-neural-network

【解决方案1】：

您可以使用model.get_layer() 函数来提取模型的任何层。在此处访问文档：https://keras.io/api/models/model/#getlayer-method

【讨论】：

【解决方案2】：

感谢您的回复。他们把我引向了正确的方向。这是我最终使用的解决方案。我重新创建了模型，但将预测配置为输出所需的层（在本例中为“conv2d”，即第一个卷积层）。这会产生一个 4-D 数组作为输出，其中第 1 维对应于输入，第 2 和第 3 维是滤波器输出特征图的两个维度，第 4 维对应于其中使用的 n 个滤波器层（在这种情况下，第 4 维将是“10”）。我的下一个任务是找到一种方法将 4 维数组拆分为单独的 3 维数组，其中每个新数组对应一个不同的过滤器。在这种情况下，我将寻找 10 个 3 维数组，一个用于第一个卷积层中使用的每个过滤器。

from keras.models import Model

model = Sequential([
        Conv2D(filters = 10, kernel_size = (3, 3), activation = 'relu', padding = 'same', input_shape = (320, 320, 3)),
        MaxPool2D(pool_size = (2, 2), strides = 2),
        Conv2D(filters = 10, kernel_size = (3, 3), activation = 'relu', padding = 'same'),
        MaxPool2D(pool_size = (2, 2), strides = 2),
        Flatten(),
        Dense(20, activation = 'softmax'),
        ])

layer_name = 'conv2d'
intermediate_layer_model = Model(inputs=model.input, outputs=model.get_layer(layer_name).output)
intermediate_output = intermediate_layer_model.predict(valid_batches)

【讨论】：