给keras层命名,并提取中间层输出值,保存到文档的实例
更新时间：2020年05月23日 09:29:43 作者：firstandsecond
这篇文章主要介绍了给keras层命名,并提取中间层输出值,保存到文档的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
更新：
感谢评论区提供的方案。
采用model.summary(),model.get_config()和for循环均可获得Keras的层名。
示例如下图
对于keras特定层的命名，只需在层内添加 name 即可
model.add(Activation('softmax',name='dense_1') ) # 注意 name 要放于函数内
#提取中间层
from keras.models import Model
import keras
layer_name = 'dense_1' #获取层的名称
intermediate_layer_model = Model(inputs=model.input,
outputs=model.get_layer(layer_name).output)#创建的新模型
intermediate_output = intermediate_layer_model.predict(X_test)
doc = open(r'C://Users//CCUT04//Desktop//1.txt','w')
for i in intermediate_output:
print(i)
print(i , file = doc)
doc.close()
补充知识：关于用keras提取NN中间layer输出
Build model...
__________________________________________________________________________________________________
Layer (type) Output Shape Param # Connected to
==================================================================================================
main_input (InputLayer) (None, 89, 39) 0
__________________________________________________________________________________________________
cropping1d_1 (Cropping1D) (None, 85, 39) 0 main_input[0][0]
__________________________________________________________________________________________________
cropping1d_2 (Cropping1D) (None, 85, 39) 0 main_input[0][0]
__________________________________________________________________________________________________
cropping1d_3 (Cropping1D) (None, 85, 39) 0 main_input[0][0]
__________________________________________________________________________________________________
cropping1d_4 (Cropping1D) (None, 85, 39) 0 main_input[0][0]
__________________________________________________________________________________________________
cropping1d_5 (Cropping1D) (None, 85, 39) 0 main_input[0][0]
__________________________________________________________________________________________________
concatenate_1 (Concatenate) (None, 85, 195) 0 cropping1d_1[0][0]
cropping1d_2[0][0]
cropping1d_3[0][0]
cropping1d_4[0][0]
cropping1d_5[0][0]
__________________________________________________________________________________________________
fc1 (BatchNormalization) (None, 85, 195) 780 concatenate_1[0][0]
__________________________________________________________________________________________________
fc2 (Bidirectional) (None, 85, 2048) 9994240 fc1[0][0]
__________________________________________________________________________________________________
fc3 (BatchNormalization) (None, 85, 2048) 8192 fc2[0][0]
__________________________________________________________________________________________________
global_average_pooling1d_1 (Glo (None, 2048) 0 fc3[0][0]
__________________________________________________________________________________________________
main_output (Dense) (None, 2) 4098 global_average_pooling1d_1[0][0]
==================================================================================================
Total params: 10,007,310
Trainable params: 10,002,824
Non-trainable params: 4,486
__________________________________________________________________________________________________
假设我网络层数是上面这个结构.
如果我想得到pooling的输出， keras上有两张方法。
intermediate_layer_model = Model(inputs=model.input,outputs=model.get_layer(str('global_average_pooling1d_1')).output)
#model.summary()
#model.get_layer(str('cropping1d_1'))
intermediate_output = intermediate_layer_model.predict(data)
data是你的输入所用的数据....
from keras import backend as K
get_11rd_layer_output = K.function([model.layers[0].input],
[model.layers[10].output])
layer_output = get_11rd_layer_output([data])[0]
我这里第10层是Pooling层.
这两个代码的output是一样的..
一般我看人用的都是第二个...
以上这篇给keras层命名,并提取中间层输出值,保存到文档的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
本片文章主要给大家介绍了Git版本控制器的使用心得和技巧分享，需要的朋友学习参考下吧。2017-12-12
这篇文章主要介绍了Django实现后台上传并显示图片功能,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-05-05
这篇文章主要介绍了python 名称空间与作用域详情，函数内部的函数只能在函数内部调用，不能在函数外部调用，通过接下来的学习你将会知道为什么会出现这种情况。2021-10-10
这篇文章主要为大家详细介绍了如何利用Python编写一个简单的城堡保卫战游戏，本文用到了os文件读写，pygame模块以及面向对象思想，感兴趣的可以了解一下2023-01-01
词云一般是根据输入的大量词语生成的,如果某个词语出现的次数越多,那么相应的大小就会越大,本文将利用wordcloud模块实现词云生成,需要的可以参考下2023-10-10
这篇文章主要为大家介绍了Python Httpx库实现超跑式网络请求用法实例,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪2024-01-01
今天小编就为大家分享一篇数据清洗--DataFrame中的空值处理方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-07-07
Appium是移动端的自动化测试工具，读者可以类比为PC端的selenium。通过它，我们可以驱动App完成自动化的一系列操作，同样也可以爬取需要的内容，本文就来介绍一下如何在移动端抓取微博数据，感兴趣的可以了解一下2021-08-08
Python 通过requests实现腾讯新闻抓取爬虫的方法
今天小编就为大家分享一篇Python 通过requests实现腾讯新闻抓取爬虫的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-02-02
Python+tkinter使用80行代码实现一个计算器实例
这篇文章主要介绍了Python+tkinter使用80行代码实现一个计算器实例，具有一定借鉴价值,需要的朋友可以参考下2018-01-01
最新评论