提取深度网络某一层特征

本文介绍了如何利用TensorFlow和Keras框架,通过定义一个核心函数`get_activation`来提取深度网络中指定层的特征。示例中展示了如何从HDF5文件加载数据,并遍历模型的不同层获取输出形状信息。
摘要由CSDN通过智能技术生成

1.利用框架:

    TensorFlow+keras

2.提取深度网络某一层特征的核心函数:

    import keras.backend as K

    def get_activation(model, layer, X_batch):
        get_activations= K.function([model.layers[0].input, K.learning_phase()],[model.layers[layer].output])
        activations=get_activations([X_batch, 0])
        return activations

    

    使用示例:

    # generate extract-feature data
    X_extractfeature = HDF5Matrix(hdf5path, 'X', 0, dataSetLength, normalizer = scaleData)
    y_extractfeature = HDF5Matrix(hdf5path, 'y', 0, dataSetLength)


   count=range(0, len(X_extractfeature), 100)
    for i in range(len(count)):
    if i<len(count)-1:
        myfeature=get_activation(model, 11, X_extractfeature[count[i]:count[i+1]])
    if i==len(count)-1:
        myfeature=get_activation(model, 11, X_extractfeature[count[i]:len(X_extractfeature)])


3.提取深度网络各层信息:

    for layer in model.layers:
       print("{} output shape: {}".format(layer.name, layer.output_shape))
       print layer.output

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值