Keras提取中间层特征

最近希望通过Keras搭建神经网络，并将神经网络的输出作为数据特征，再次feed其他模型，首先建立模型：

model = Sequential()
 
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'))

打印模型各层：

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)

取其中一层作为特征提取器：

#提取第五层的输出
layer_model = Model(inputs=model.input, outputs=model.layers[4].output)
#使用这个提取出的模型进行预测，得到中间输出特征
x_train_Dense = layer_model.predict(Xtrain) #Xtrain为数据特征
 

参考资料：

[1] keras小技巧——获取某一个网络层的输出方式-腾讯云开发者社区-腾讯云 (tencent.com)

[2] keras提取网络中间层输出、中间层特征_keras提取中间层特征处理后继续-CSDN博客