Keras，如何得到預測與模型去掉最後一層

Question

假設我有10萬的數據集400 X我建立這個模型：

model = Sequential() 
model.add(Dense(200, input_dim = 400, init = init_weights)) 
model.add(BatchNormalization()) 
model.add(SReLU()) 
model.add(Dropout(0.5)) 
model.add(Dense(200, init = init_weights)) 
model.add(BatchNormalization()) 
model.add(SReLU()) 
model.add(Dropout(0.5)) 
model.add(Dense(1, activation = 'linear', init = init_weights)) 

比我打電話

model.compile(loss = .. 

而且

model.fit(input_matrix,.. 

訓練結束後，我可以調用model.predict（..用於預測。

我想獲得從去年沒有線性分層模型預測矩陣..

因此，像：

model.remove_last_layer 
pred_matrix = model.predict(input_matrix) 

其產量100K×200陣列，我怎麼能做到這一點與keras？ THX很多

Answer 1

THX以鏈接的文檔，我發現這個

layer_name = 'dropout_2' 
intermediate_layer_model = Model(input = model.input, output = model.get_layer(layer_name).output) 
intermediate_output = intermediate_layer_model.predict(matrix_test)