使用 model.pop() 更改模型的摘要但不影响输出

Question

我正在尝试从我之前训练过的模型中删除顶层。这是我使用的代码：

import os
import h5py
import numpy as np
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Convolution2D, MaxPooling2D, ZeroPadding2D
from keras.layers import Activation, Dropout, Flatten, Dense

# KERAS_BACKEND=theano python
import keras
keras.backend.set_image_dim_ordering("th")
img_width, img_height = 150, 150
data_dir = '//shared_directory/projects/try_CD/data/validation'

nb_train_samples = 2000
nb_validation_samples = 800
nb_epoch = 50



def make_bottleneck_features(model):
    datagen = ImageDataGenerator(rescale=1./255)
    generator = datagen.flow_from_directory(
            data_dir,
            target_size=(img_width, img_height),
            batch_size=32,
            class_mode=None,
            shuffle=False)
    bottleneck_features = model.predict_generator(generator, nb_validation_samples)
    return (bottleneck_features)


model=keras.models.load_model('/shared_directory/projects/think_exp/CD_M1.h5')
A = make_bottleneck_features(model)
model.summary()    
for i in range (6):  
    model.pop()    

B = make_bottleneck_features(model)
model.summary()

比较两次调用 model.summary() 的结果，我可以看到确实删除了最上面的 6 层。

但是，模型的输出（保存到 A 和 B）在丢弃这些层后不会改变。

这种差异的根源是什么？如何检索所需层的输出而不是整个模型的输出？

提前致谢！

Answer 1

你不能像这样删除层，为了让它有效果，你需要重新编译模型（又名 model.compile）。

但这不是从中间层获取输出的最佳方式，您可以只使用 K.function（其中 K 是 keras.backend）构建一个从输入到其中一层的函数，然后然后调用函数。答案中提供了更多详细信息。

使用 model.pop() 更改模型的摘要但不影响输出

Using model.pop() changes the model's summary but does not effect the output

keras

keras-layer