Keras，如何使用移除最后一层的模型进行预测答案

【问题标题】：Keras, how to get predict with model with removed last layerKeras，如何使用移除最后一层的模型进行预测
【发布时间】：2017-03-16 20:24:05
【问题描述】：

假设我有 100k x 400 的数据集。我创建了这个模型：

model = Sequential()
model.add(Dense(200, input_dim = 400, init = init_weights))
model.add(BatchNormalization())
model.add(SReLU())
model.add(Dropout(0.5))
model.add(Dense(200, init = init_weights))
model.add(BatchNormalization())
model.add(SReLU())
model.add(Dropout(0.5))
model.add(Dense(1, activation = 'linear', init = init_weights))

比我说的

model.compile(loss = ..

和

model.fit(input_matrix,..

训练后我可以调用 model.predict(.. 进行预测。

我想得到的是没有最后一个线性层的模型的预测矩阵..

比如：

model.remove_last_layer
pred_matrix = model.predict(input_matrix)

输出是 100k x 200 数组，我如何使用 keras 来做到这一点？非常感谢

【问题讨论】：

你的模型训练了吗？
是的，我接受过培训
你的backend是什么，你能打印model.summary()吗？
查看文档，这可能会对您有所帮助：keras.io/getting-started/faq/…
感谢链接

标签： python matrix tensorflow keras layer

【解决方案1】：

感谢我找到的文档的链接

layer_name = 'dropout_2'
intermediate_layer_model = Model(input = model.input, output = model.get_layer(layer_name).output)
intermediate_output = intermediate_layer_model.predict(matrix_test)

【讨论】：

在 TF2 中，Model() 的参数是 inputs 和 outputs，如果它对任何人都有帮助的话。