keras提取模型中的某一层_在keras中获取某一层上的feature map实例

在深度学习中，如果我们想获得某一个层上的feature map，就像下面的图这样，怎么做呢？

我们的代码是使用keras写的VGG16网络，网络结构如图：

那么我们随便抽取一层的数据吧，就拿第四层的pooling以后的结果作为输出吧，参考上面的网络结构，得到的结果维度应该是[1,56,56,128]的尺度。

怎么做呢？

首先通过keras构建模型：

model = VGG16(include_top=True, weights='imagenet')

然后设置输入和输出为：原始的输入和该层对应的输出，然后使用predict函数得到对应的结果

dense_result = Model(inputs=model.input,outputs=model.get_layer("block2_pool").output)

dense_res = dense_result.predict(x)#使用predict得到该层结果

设置随机数(或者固定的数字)来获取某一层的结果

rand_layer = random.randint(10,128)

x_output = dense_res[0,:,:,rand_layer] #获取某一层的数据：因为原始数据维度是[1,x,x,depths]的，我们仅仅提取某一个depth对应的[x,x]维度的信息

# 获取最大值，然后对该层数据进行归一化之后投影到0-255之间

max = np.max(x_output)