当前位置 主页 > 网站技术 > 代码类 >

    在keras中获取某一层上的feature map实例

    栏目:代码类 时间:2020-01-24 12:05

    在深度学习中,如果我们想获得某一个层上的feature map,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,"max value is :")
    # 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
    from PIL import Image as PILImage
    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feature map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IIS7站长之家。