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featuremap，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)
print(max,"maxvalueis:")
#然后进行归一化操作
x_output=x_output.astype("float32")/max*255
print(x_output.shape)
最后对该层的feature进行显示，我们使用Pillow库
#把图像转换成image可以表示的方式进行显示 fromPILimportImageasPILImage x_output=PILImage.fromarray(np.asarray(x_output)) x_output1=x_output.resize((400,400)) x_output1.show() print(np.asarray(x_output1))
结果如上图所示啦～
以上这篇在keras中获取某一层上的featuremap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毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。