如何獲得VGG16的最后一個卷積塊（7,7,512）的扁平化（7* 7* 512 = 25088）值

Question

目前我正在使用 VGG-16 來提取圖像數據集的特征。 我在某種類型的數據集上對其進行了訓練，我想做的是將最后一個卷積塊權重作為扁平格式，以創建 25088-D 特征向量。 我的 model 總結如下：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
vgg16 (Functional)           (None, 7, 7, 512)         14714688  
_________________________________________________________________
flatten_3 (Flatten)          (None, 25088)             0         
_________________________________________________________________
dense_9 (Dense)              (None, 4096)              102764544 
_________________________________________________________________
dense_10 (Dense)             (None, 4096)              16781312  
_________________________________________________________________
dense_11 (Dense)             (None, 10)                40970     
=================================================================
Total params: 134,301,514
Trainable params: 134,301,514 

到目前為止，我試圖做的是：

all_weights = []
for layer in model.layers:
  print(layer.name)
  w = layer.get_weights()
  all_weights.append(w)

獲取所有層的權重，然后訪問第二層的最后一個塊（vgg16）我從len(all_weights[2])得到的是 26 個列表，最后一個列表由 512 個值組成（很可能是偏差條款）。 有誰知道如何從這些列表中得到這個（7,7,512）權重？

提前致謝 ！

Answer 1

你試過 model.layers[1].weights 嗎？

Answer 2

你想要的是

model.get_layer("vgg16").weights[-2]

正如您所注意到的， -1指數會給您帶來偏差， -2會給您帶來權重。

請注意，這不是形狀 (7, 7, 512) 的張量。 (7, 7, 512) 是 VGG16 塊的 output 形狀，權重矩陣形狀是 (KH, KW, Cin, 512) 其中 (KH, KW) 是 kernel 的高度和寬度，Cin 是輸入的數量渠道。 如果您使用 tf.keras.applications 中的標准tf.keras.applications ，則形狀將為 (3, 3, 512, 512)。