keras提取网络中间层输出、中间层特征

最近想用自编码网络降维一下数据,用堆叠自编码器SAE降维之后提取中间层特征

model = Sequential()

model.add(Dense(1024, activation='relu', input_shape=(1000,)))
model.add(Dense(512, activation='relu'))
model.add(Dense(256, activation='relu'))
model.add(Dense(64, activation='relu'))#第四层
model.add(Dense(256, activation='relu'))
model.add(Dense(512, activation='relu'))
model.add(Dense(1024, activation='relu'))

model.compile(loss='mse', optimizer='RMSprop', metrics=['mse'])

#提取第四层的输出
layer_model = Model(inputs=X_model.input, outputs=X_model.layers[4].output)

x_train_Dense = layer_model.predict(Xtrain)#使用这个提取出的模型进行预测,得到中间输出特征

#之后就可以使用x_train_Dense这个提取到的特征进行其他操作

如有错误,欢迎指出

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
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