Keras中间层输出的两种方式，即特征图可视化
训练好的模型，想要输入中间层的特征图，有两种方式：
1. 通过model.get_layer的方式。创建新的模型，输出为你要的层的名字。
创建模型，debug状态可以看到模型中，base_model/layers,图中红框即为layer名字，根据你想输出的层填写。最后网络feed数据后，输出的就是中间层结果。
2. 通过建立Keras的函数。
1 from keras import backend as K
2 from keras.models import load_model
3 from matplotlib import pyplot as plt
4 import cv2
5 import numpy as np
6
7 def main():
8 model = load_model('../Project/weights.best_10-0.90.hdf5')
9
10 images=cv2.imread("../Project/1.jpg")
11 # cv2.imshow("Image", images)
12 cv2.waitKey(0)
13
14 # Turn the image into an array.
15 # 根据载入的训练好的模型的配置，将图像统一尺寸
16 image_arr = cv2.resize(images, (70, 70))
17
18 image_arr = np.expand_dims(image_arr, axis=0)
19
20 # 第一个 model.layers[0],不修改,表示输入数据；
21 # 第二个model.layers[ ],修改为需要输出的层数的编号[]
22 layer_1 = K.function([model.layers[0].input], [model.layers[1].output])
23
24 # 只修改inpu_image
25 f1 = layer_1([image_arr])[0]
26
27 # 第一层卷积后的特征图展示，输出是（1,66,66,32），（样本个数，特征图尺寸长，特征图尺寸宽，特征图个数）
28 for _ in range(16):
29 show_img = f1[:, :, :, _]
30 show_img.shape = [66, 66]
31 plt.subplot(4, 4, _ + 1)
32 # plt.imshow(show_img, cmap='black')
33 plt.imshow(show_img, cmap='gray')
34 plt.axis('off')
35 plt.show()
36
37 if __name__ == '__main__':
38 main()
特征图可视化结果：