K.function用法

最新推荐文章于 2020-11-22 14:50:30 发布

转载最新推荐文章于 2020-11-22 14:50:30 发布 · 6.6k 阅读

文章标签：

#keras #backend #function #深度学习

keras 专栏收录该内容

2 篇文章

订阅专栏

本文详细介绍了如何使用Keras框架中的model.load_model方法加载预训练的fashion.model，并通过K.function从模型中提取第三层的特征。同时，纠正了在使用get_3rd_layer_output时的常见错误，即未将输入image包装成list，导致TypeError异常。

# load the model
print("[INFO] loading network...")
model = load_model("fashion.model")

# load the image
image_path = "10026.jpg"
image = cv2.imread(image_path)
# pre-process the image for classification
image = cv2.resize(image, (96, 96))
image = image.astype("float") / 255.0
image = img_to_array(image)
image = np.expand_dims(image, axis=0)
print(image, type(image))
# extract the layer feature
get_3rd_layer_output = K.function([model.layers[0].input],[model.layers[3].output])
feature = get_3rd_layer_output(image)[0]
# prob = model.predict(image)[0]

报错：TypeError: inputs to a TensorFlow backend function should be a list or tuple

原因在于，在使用get_3rd_layer时没有用[ ]将image框起来，变成一个list。

将该句

 feature = get_3rd_layer_output(image)[0]

修改为：

 feature = get_3rd_layer_output([image])[0]

K.function作用：

1.一种简单的方法是创建一个新的Model，使得它的输出是你想要的那个输出

 from keras.models import Model
  
 model = ...  # create the original model
  
 layer_name = 'my_layer'
 intermediate_layer_model = Model(input=model.input,
                                  output=model.get_layer(layer_name).output)
 intermediate_output = intermediate_layer_model.predict(data）

2.此外，我们也可以建立一个Keras的函数来达到这一目的：

from keras import backend as K

# with a Sequential model
get_3rd_layer_output = K.function([model.layers[0].input], [model.layers[3].output])
layer_output = get_3rd_layer_output([X])[0]