Keras使用K.function抽取中间层报错： TypeError: `inputs` to a TensorFlow backend function should be a list or t

最新推荐文章于 2024-10-03 16:30:04 发布

原创最新推荐文章于 2024-10-03 16:30:04 发布 · 4.3k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#keras

本文介绍了如何在Keras中从预训练模型提取特定层的特征。通过两种方法实现：一是利用Keras的Model类创建新的模型；二是使用Keras的后端函数。解决了在提取过程中遇到的TypeError问题。

# 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]

问题解决

参考：https://stackoverflow.com/questions/42045092/does-k-function-method-of-keras-with-tensorflow-backend-work-with-network-layers

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

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]