将层的输出作为特征向量（KERAS）答案

【问题标题】：Getting the output of layer as a feature vector (KERAS)将层的输出作为特征向量（KERAS）
【发布时间】：2018-02-12 06:39:57
【问题描述】：

我在 keras 中有一个 CNN 模型（用于信号分类）：

    cnn = Sequential()

    cnn.add(Conv1D(10,kernel_size=8,strides=4, padding="same",activation="relu",input_shape=(Dimension_of_input,1)))
    cnn.add(MaxPooling1D(pool_size=3))

    cnn.add(Conv1D(10,kernel_size=8,strides=4, padding="same",activation="relu"))
    cnn.add(MaxPooling1D(2))
    cnn.add(Flatten())

    cnn.add(Dense(2, activation="softmax"))

使用'model.summary()'方法，我可以得到每一层输出的形状。在我的模型中，最后一个最大池化层的输出是 (None, 1, 30)，扁平层的输出是 (None, 30)。

对于每个训练和测试样本：在 keras 中，是否有可能将 flatten 层的输出作为具有 30 个特征（数字）的特征向量，然后将其作为密集层的输入？

【问题讨论】：

是的，有可能。请参阅this 答案。

标签： tensorflow keras theano keras-layer

【解决方案1】：

选择最后一层：

last = cnn.layers[-1]

然后使用以下方法创建一个新模型：

inp = Input(shape=(Dimension_of_input,))
features = Model(inp, last)

所以，

feature_vec = features.predict(x_train)

将扁平层的输出作为每个训练样本的特征向量提供给您

【讨论】：