如何在tensorflow中打印出中间层的特征输出1

如何在tensorflow中打印出中间层的特征输出1

首先想打印出中间层的输出，需要看清出自己使用什么方式搭建的网络模型。搭建网络模型的有通过class搭建和model.add()搭建方式，每种的搭建方式有不同的结构，对应的有不同的方式输出特征层。
1、先说一下通过model.add()搭建的网络模型的中间层的特征输出方式。
首先需要在网络模型中进行定义命名。下面是一些代码，但是训练集就不放在这了。
下面展示一些 内联代码片。

// A code block
import tensorflow as tf
from tensorflow.keras import Model
from tensorflow.keras.layers import Dense,Flatten,Conv1D,BatchNormalization,MaxPool1D
from tensorflow.keras import Sequential
from tensorflow.keras.regularizers import l2
input_shapes = x_train.shape[1:]
model = Sequential()
model.add(Conv1D(filters=16,kernel_size=64,strides=16,
padding='same',kernel_regularizer=l2(1e-4),input_shape=input_shapes,**name='Conv1D'**))
if BatchNormalization:
	model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(MaxPool1D(pool_size=2,strides=2))

model.add(Dense(units=100,activation='relu',kernel_regularizer=l2(1e-4)))
model.add(Activation('relu'))
model.add(Dense(units=10),activation='softmax',kernel_regularizer=l2(1e-4)))
model.compile(optimizer=tf.keras.optimizers.Adam(0.0001),
                      loss='categorical_crossentropy',
                      metrics=['accuracy'])
model.fit(x_train,y_train,batch_size=70,epochs=10,validation_data=(x_test,y_test))

###########下面是一些打印出name='Conv1D'的输出特征
conv1d = Model(inputs=model.input,outputs=model.get_layer('Conv1D').output)
conv1d_out = conv1d.predict(x_test)#这个是x_train或者x_test
print('This is conv1d_out','conv1d_out)

###########

// An highlighted block
import tensorflow as tf
from tensorflow.keras import Model
from tensorflow.keras.layers import Dense,Flatten,Conv1D,BatchNormalization,MaxPool1D
from tensorflow.keras import Sequential
from tensorflow.keras.regularizers import l2
input_shapes = x_train.shape[1:]
model = Sequential()
model.add(Conv1D(filters=16,kernel_size=64,strides=16,
padding='same',kernel_regularizer=l2(1e-4),input_shape=input_shapes,***name='Conv1D'***))
if BatchNormalization:
	model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(MaxPool1D(pool_size=2,strides=2))

model.add(Dense(units=100,activation='relu',kernel_regularizer=l2(1e-4)))
model.add(Activation('relu'))
model.add(Dense(units=10),activation='softmax',kernel_regularizer=l2(1e-4)))
model.compile(optimizer=tf.keras.optimizers.Adam(0.0001),
                      loss='categorical_crossentropy',
                      metrics=['accuracy'])
model.fit(x_train,y_train,batch_size=70,epochs=10,validation_data=(x_test,y_test))

###########下面是一些打印出name='Conv1D'的输出特征
conv1d = Model(inputs=model.input,outputs=model.get_layer('Conv1D').output)
conv1d_out = conv1d.predict(x_test)#这个是x_train或者x_test
print('This is conv1d_out','conv1d_out)

###########

在第一个model.add()添加name=’'的名字，就可以打印出第一个model后的特征输出了。

根据第二个Class搭建的网络模型，随后再仔细写下。关注下序。

标签：keras,打印,conv1d,add,import,中间层,tensorflow,model
来源： https://blog.csdn.net/qq_38939498/article/details/116859834