獲取層的輸出作爲特徵向量（KERAS）

我在keras（用於信號分類）一個CNN模型：獲取層的輸出作爲特徵向量（KERAS）

cnn = Sequential() 

    cnn.add(Conv1D(10,kernel_size=8,strides=4, padding="same",activation="relu",input_shape=(Dimension_of_input,1))) 
    cnn.add(MaxPooling1D(pool_size=3)) 

    cnn.add(Conv1D(10,kernel_size=8,strides=4, padding="same",activation="relu")) 
    cnn.add(MaxPooling1D(2)) 
    cnn.add(Flatten()) 

    cnn.add(Dense(2, activation="softmax"))

使用方法 'model.summary（）'，I可以得到每層輸出的形狀。在我的模型中，最後一個最大合併圖層的輸出是（None，1,30），Flatten圖層的輸出是（None，30）。

對於每個火車和測試樣本：在作爲密集層的輸入給出之前，是否有可能在keras中將平坦層的輸出作爲具有30個特徵（數字）的特徵向量？

來源

2017-09-04 ryh12

是的，這是可能的。請參閱[this]（https://stackoverflow.com/questions/41711190/keras-how-to-get-the-output-of-each-layer/41712013#41712013）回答。 – Matin

選擇由最後一層：

last = cnn.layers[-1]

然後創建一個使用一個新的模式：

inp = Input(shape=(Dimension_of_input,)) 
features = Model(inp, last)

所以，

feature_vec = features.predict(x_train)

給你壓平層的輸出作爲每個火車樣本的特徵向量

來源

2017-09-04 11:16:12 moh

獲取層的輸出作爲特徵向量（KERAS）

回答

相關問題