如何在keras中获取卷积层的特征图

Question

我有一个使用Keras加载的模型。 我需要能够找到各个要素图（每个要素图的打印值）。 我能够打印砝码。 以下是我的代码：

for layer in model.layers:
    g=layer.get_config()
    h=layer.get_weights()

    print g

    print h

该模型由一个共有384个神经元的卷积层组成。 前128个过滤器的大小为3，下4个过滤器，最后128个的过滤器大小为5。然后，存在relu和maxpool层，然后将其馈入softmax层。 我希望能够找到convlayer，relu和maxpool的输出（值而不是形状）。 我已经在网上看到代码，但是无法理解如何将代码映射到我的情况。

Answer 1

如果您正在寻找一种方法来查找给定一个或多个输入样本的图层的激活（即要素图或输出），则可以简单地定义一个后端函数 ，该函数采用输入数组并给出激活作为其输出。 这是一个示例示例（即，您可能需要使其适应您的需求和模型架构）：

from keras import backend as K

# define a function to get the activation of all layers
outputs = [layer.output for layer in model.layers]
active_func = K.function([model.input], [outputs])

# you can use it like this
activations = active_func([my_input_array])