使用模型作为特征提取器时，使用深度学习模型 (DenseNet-121) 的哪一层作为输出答案

【问题标题】：Which layer of a deep learning model (DenseNet-121) to use as output when using model as feature extractor使用模型作为特征提取器时，使用深度学习模型 (DenseNet-121) 的哪一层作为输出
【发布时间】：2021-07-02 15:50:08
【问题描述】：

我无法决定或确定要使用densenet-121（微调模型）的哪一层进行特征提取。

我有以下模型（基于 DenseNet-121，但我添加了一个分类层，因为我已经训练它将图像分类为 7 类）。这些是我模型的最后一层：

但是，我无法确定要使用哪个层（BatchNormalization 或 relu）。我想要一个 len(4096) 的向量。两层的输出有区别吗？推荐使用哪一种？

【问题讨论】：

标签： python tensorflow deep-learning feature-extraction image-classification

【解决方案1】：

如果您正在进行分类，您希望将 dense_3 层作为模型输出。批量归一化层和 relu 层各自产生一个 shape(2,2,1024) 的输出。 4096 是层的可训练参数个数

【讨论】：

不做分类。我正在做特征提取。该模型已用于分类。但我想获得图像的特征表示（向量）。