python实现cnn特征提取_用于特征提取的AlexNet

正如jonrsharpe所提到的，这并不是stackoverflow的工作原理，但在实践中，许多人确实选择编写代码来帮助解释答案(因为这通常更容易)。

所以我假设这只是一个错误的沟通，你真的想问以下两个问题中的一个：如何获取TensorFlow中Alexnet最后一层的值？在

如何从像alexnet这样的深卷积网络的最后一层提取特征？在

第一个问题的答案其实很简单。我将使用TensorFlow(松散地基于AlexNet)中的cifar10示例代码作为示例。网络的前向传递是在inference函数中构建的，该函数返回一个表示softmax层输出的变量。实际上，要获得预期的图像标签，只需argmax the logits，如下所示：(我省略了一些设置代码，但如果您已经在运行alexnet，那么您已经可以使用它了)logits = cifar10.inference(images)

predictions = tf.argmax(logits,1)

# Actually run the computation

labels = session.run([predictions])

所以，仅仅抓住最后一层的特征实际上和要求它们一样简单。唯一的问题是，在这种情况下，cifar10不会以本机方式公开它们，因此您需要修改cifar10.inference函数以同时返回这两个值：

^{pr2}$

然后修改对cifar10.inference的所有调用，就像我们刚才展示的那样：logits,local4 = cifar10.inference(images)

predictions = tf.argmax(logits,1)

# Actually run the computation, this time asking for both answers

labels,last_layer = session.run([predictions, local4])

就这样。last_layer包含您给模型的所有输入的最后一层。在

至于第二个问题，这是一个更深层次的问题，但我猜这就是为什么你要研究它。我建议先读一下这方面发表的一些论文。我不是这里的专家，但我确实喜欢周伯雷的作品。例如，尝试查看"Learning Deep Features for Discriminative Localization"中的图2。这是一篇本地化的论文，但它使用了非常相似的技术(伯雷的几篇论文也使用了这种技术)。在