python - 我如何使我的 CNN 输出成为特征向量

Question

我正在开发一个项目，我需要使我的 CNN 输出像“Flatten”层的输出一样。 没有分类，只是输入照片特征的向量，我有点迷失了......我知道关于 CNN 结构的一切，但我怎样才能开始用 python 来做这个呢？

Answer 1

另一种选择如下。

假设您有一个 tf Keras 模型(为了简单起见，这里我采用了一个较小的模型)。

>>> model.summary()

Model: "sequential_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #
=================================================================
dense_1 (Dense)              (None, 128)               100480
_________________________________________________________________
dense_2 (Dense)              (None, 64)                8256
_________________________________________________________________
dense_3 (Dense)              (None, 32)                2080
_________________________________________________________________
dense_4 (Dense)              (None, 1)                 33
=================================================================
Total params: 110,849
Trainable params: 110,849
Non-trainable params: 0
_________________________________________________________________

假设您想要一个 $32$ 长的特征向量，对应于层 dense_3。

现在您可以创建另一个对象

outputs = model.get_layer('dense_3').output
child_model = tf.keras.Model(inputs = model.inputs, outputs= outputs)

并且您的子模型会按照您的意愿行事。您需要调用

features = child_model.predict(image)

重要说明:如果您打印 model.layers 和 child_model.layers，您不会感到惊讶，它们在同一时间共享相同的层内存地址。这意味着训练一个层将设置另一个层的权重。