keras 输出网络结构_keras小技巧——获取某一个网络层的输出方式

前言：

keras默认提供了如何获取某一个层的某一个节点的输出，但是没有提供如何获取某一个层的输出的接口，所以有时候我们需要获取某一个层的输出，则需要自己编写代码，但是鉴于keras高层封装的特性，编写起来实际上很简单，本文提供两种常见的方法来实现，基于上一篇文章的模型和代码： keras自定义回调函数查看训练的loss和accuracy

一、模型加载以及各个层的信息查看

从前面的定义可知，参见上一篇文章，一共定义了8个网络层，定义如下：

model.add(Convolution2D(filters=6, kernel_size=(5, 5), padding='valid', input_shape=(img_rows, img_cols, 1), activation='tanh'))

model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Convolution2D(filters=16, kernel_size=(5, 5), padding='valid', activation='tanh'))

model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())

model.add(Dense(120, activation='tanh'))

model.add(Dense(84, activation='tanh'))

model.add(Dense(n_classes, activation='softmax'))

这里每一个层都没有起名字，实际上最好给每一个层取一个名字，所以这里就使用索引来访问层，如下：

for index in range(8):

layer=model.get_layer(index=index)

# layer=model.layers[index] # 这样获取每一个层也是一样的

print(model)

'''运行结果如下：

'''

当然由于 model.laters是一个列表，所以可以一次性打印出所有的层信息，即

print(model.layers) # 打印出所有的层

二、模型的加载

准备测试数据

# 训练参数

lea