从非最终 keras 模型层获取输出
Get output from a non final keras model layer
我在 tensorflow 上使用 ubuntu 与 python 3 和 keras,我正在尝试使用来自预训练 keras 模型的迁移学习来创建模型,如 here 所述:
我正在使用以下代码
import numpy as np
from keras.applications import vgg16, inception_v3, resnet50, mobilenet
from keras import Model
a = np.random.rand(1, 224, 224, 3) + 0.001
a = mobilenet.preprocess_input(a)
mobilenet_model = mobilenet.MobileNet(weights='imagenet')
mobilenet_model.summary()
inputLayer = mobilenet_model.input
m = Model(input=inputLayer, outputs=mobilenet_model.get_layer("conv_pw_13_relu")(inputLayer))
m.set_weights(mobilenet_model.get_weights()[:len(m.get_weights())])
p = m.predict(a)
print(np.std(p), np.mean(p))
print(p.shape)
我正在使用的层的输出始终是一个零数组,我是否应该将权重加载到我正在创建的 p 以使预训练模型实际工作?
为了访问Keras模型中中间层的输出,Keras提供了不同的方式。
在你的情况下你可以像这样输出你想要的层
model_out = mobilenet_model.get_layer("layer_you_want").output
m = Model(input=inputLayer, outputs=model_out)
有关此方法和其他可用方法的更多详细信息,请查看 this 文档
Keras 中的层和这些层的输出之间存在差异。您可以将层视为代表计算,将输出视为这些计算的结果。当你实例化一个 Model
对象时,它期望计算的结果作为它的输出,而不是计算本身,因此是错误的。要修复它,您可以将层的输出传递给 Model
构造函数:
import numpy as np
from keras.applications import vgg16, inception_v3, resnet50, mobilenet
from keras import Model
a = np.random.rand(24, 224, 224, 3)
a = mobilenet.preprocess_input(a)
mobilenet_model = mobilenet.MobileNet(weights='imagenet')
mobilenet_model.summary()
model_output = mobilenet_model.get_layer("conv_pw_13_relu").output
m = Model(inputs=mobilenet_model.input, outputs=model_output)
print(m.predict(a))
我在 tensorflow 上使用 ubuntu 与 python 3 和 keras,我正在尝试使用来自预训练 keras 模型的迁移学习来创建模型,如 here 所述:
我正在使用以下代码
import numpy as np
from keras.applications import vgg16, inception_v3, resnet50, mobilenet
from keras import Model
a = np.random.rand(1, 224, 224, 3) + 0.001
a = mobilenet.preprocess_input(a)
mobilenet_model = mobilenet.MobileNet(weights='imagenet')
mobilenet_model.summary()
inputLayer = mobilenet_model.input
m = Model(input=inputLayer, outputs=mobilenet_model.get_layer("conv_pw_13_relu")(inputLayer))
m.set_weights(mobilenet_model.get_weights()[:len(m.get_weights())])
p = m.predict(a)
print(np.std(p), np.mean(p))
print(p.shape)
我正在使用的层的输出始终是一个零数组,我是否应该将权重加载到我正在创建的 p 以使预训练模型实际工作?
为了访问Keras模型中中间层的输出,Keras提供了不同的方式。
在你的情况下你可以像这样输出你想要的层
model_out = mobilenet_model.get_layer("layer_you_want").output
m = Model(input=inputLayer, outputs=model_out)
有关此方法和其他可用方法的更多详细信息,请查看 this 文档
Keras 中的层和这些层的输出之间存在差异。您可以将层视为代表计算,将输出视为这些计算的结果。当你实例化一个 Model
对象时,它期望计算的结果作为它的输出,而不是计算本身,因此是错误的。要修复它,您可以将层的输出传递给 Model
构造函数:
import numpy as np
from keras.applications import vgg16, inception_v3, resnet50, mobilenet
from keras import Model
a = np.random.rand(24, 224, 224, 3)
a = mobilenet.preprocess_input(a)
mobilenet_model = mobilenet.MobileNet(weights='imagenet')
mobilenet_model.summary()
model_output = mobilenet_model.get_layer("conv_pw_13_relu").output
m = Model(inputs=mobilenet_model.input, outputs=model_output)
print(m.predict(a))