使用 Keras 提取特征不包括 class 个标签

Question

我使用 Keras 在 MNIST 数据集上应用图像 class化，实现可用 here。我使用此实现，但添加了以下方法从经过训练的图像中提取特征：

def feature_extraction(model, x_test, path_to_save):
    extract = keras.Model(inputs=model.input, outputs=model.get_layer('dense_1').output)
    features = extract.predict(x_test)
    np.savetxt(path_to_save, features, delimiter=",")

输出文件不包含 class 标签，即文件中的每一行都是一组特征，但没有 class 标签。有没有办法修改此方法，以便它还为每个提取的特征（即每一行）添加 class 标签？

Answer 1

您可以获得多个输出，因此特征和预测标签概率：

extract = Model(model.input, [model.get_layer('dense_1').output, model.output])
features, labels = extract.predict(x_test)
labels = np.argmax(labels, axis=1)

预测现在将为您提供两个输出。您可能希望 np.argmax 获得实际的 class 标签而不是概率，具体取决于模型。