Keras框架下输出模型中间结果

75 篇文章 78 订阅
61 篇文章 3 订阅

Keras因其简洁便用被越来越多的调参工程师接受了,它具有高可读性的优势,缘于它本身对代码的模块化封装。高度模块化封装之后,很多细粒度操作就变得比较困难了,要不停地阅读它的技术document。
       如果对基于keras所搭建的模型的中间计算结果进行读取,中文技术文档上提供了两种方法,经过测试,两种方法均可以使用。


文档链接如下:https://keras-cn.readthedocs.io/en/latest/for_beginners/FAQ/#intermediate_layer

方法1:重新构建一个模型

from keras import backend as K
model = load_model('xxx.h5')
layer_name = 'xx'
mid_model = Model(input=model.input,
                   output=model.get_layer(layer_name).output)
mid_ouput = mid_model.predict(x)[0]

重新构建一个模型,类似于输出从中间截断。

方法2:用函数得到

from keras import backend as K
mid_layer = K.function([model.layers[0].input],
                       [model.layers[-2].output])
mid_layer_output = mid_layer([X])[0]

用backend中的function来获得,我的keras的后端是tensorflow,这个做法就等于直接用tf来获得中间层输出。

以上是对文档使用方法的一个解释。真正在项目可以封装成一个函数,以下给出了一个demo样式:(由木盏本人编写)

def get_layer_output(model, x, index=-1):
    """
    get the computing result output of any layer you want, default the last layer.
    :param model: primary model
    :param x: input of primary model( x of model.predict([x])[0])
    :param index: index of target layer, i.e., layer[23]
    :return: result
    """
    layer = K.function([model.input], [model.layers[index].output])
    return layer([x])[0]

只需要把上面的函数复制到程序里就可以直接调用,调用代码如下:

from keras import backend as K
from keras.models import load_model
from PIL import Image
import numpy as np

def get_layer_output(model, x, index=-1):
    """
    get the computing result output of any layer you want, default the last layer.
    :param model: primary model
    :param x: input of primary model( x of model.predict([x])[0])
    :param index: index of target layer, i.e., layer[23]
    :return: result
    """
    layer = K.function([model.input], [model.layers[index].output])
    return layer([x])[0]

model = load_model('xxx.h5')
input_x = np.array(Image.open('xx.png'))
input_x = np.expand_dims(input_x, 0)
layer4 = get_layer_output(model, input_x, index=4)
print(type(layer4))

上述程序就可以得到模型第4层的输出结果了。

评论 5
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

打赏作者

木盏

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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