Keras 获取中间层的输出

Question

## what my model looks like

# defining the model archictecture
model = Sequential()
# 1st conv layer
model.add(Conv2D(32, (5, 5), activation='relu', input_shape=x_ip_shape))
# 1st max pool
model.add(MaxPooling2D(pool_size=(2, 2)))
# 2nd conv layer
model.add(Conv2D(64, (7, 7), activation='relu'))
# 2nd max pool
model.add(MaxPooling2D(pool_size=(2, 2)))
# Flattenning the input
model.add(Flatten())
# 1st Fully connected layer
model.add(Dense(10, activation='relu'))
# Adding droput
model.add(Dropout(0.25))
# softmax layer
model.add(Dense(classes_out, activation='softmax'))

# defining loss, optimizer learning rate and metric
model.compile(loss='categorical_crossentropy',optimizer=keras.optimizers.Adam(1e-4), metrics=['accuracy'])


## prediction
scores = model.evaluate(test_x, test_labels, verbose=0)

问题： 相反，我可以获得# 1st 全连接层的前向传递输出，即model.add(Dense(10, activation='relu'))?

我在 keras FAQ 上查看了示例。但这让我很困惑： 在此：

get_3rd_layer_output = K.function([model.layers[0].input, K.learning_phase()], [model.layers[3].output])

我在哪里传递输入数据？ model.layers[0].input 是什么意思？受过训练的模型是否存储输入？

Answer 1

get_3rd_layer_output 是 Theano 函数。您不需要对其进行很多修改。

model.layers[0].input 将保持原样，如果您想要网络中第一层的输入（任何层）的输出。换句话说，如果您希望将第 4 层的某个层的输出作为输入，那么您应该将其更改为 model.layers[4].input。

K.learning_phase() 表示您希望输出是在训练阶段还是在测试阶段。这两者的输出之间会有一些差异，因为存在诸如Dropout 之类的层在训练和测试期间的行为不同。如果您想要类似于predict() 的输出，则需要传递零。

model.layers[3].output：这是您需要进行修改的地方。找出要从中输出的图层的索引。如果您有 IDE（例如 Pycharm），然后单击 model 变量并查看层的索引（记住它从零开始）。如果没有，请为该层指定一些名称，然后您可以通过model.layers 找到所有层名称。由此，您可以轻松获取索引。例如，如果您想从第 10 层输出，则可以将其更改为 model.layers[10].output。

这个怎么称呼？

这又是一个 Theano 函数，所以是一个符号函数。您必须传递值并对其进行评估。你可以这样做：

out = get_3rd_layer_output([X, 0])[0]  # test mode

记住，即使X 是单个数据点，它的形状也应该是(1,) + x_ip_shape。