tensorflow=2.0+
在使用tensorflow加载模型的时候有时候需要查看这个模型某一层的输出。
搭建一个简单的神经网络,识别cifar数据集:
点击查看代码
model = tf.keras.models.Sequential()
model.add(Flatten())
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(Dense(1024, activation='relu', name="dense_test1"))
model.add(Dense(2048, activation='relu', name="dense_test2"))
model.add(Dense(2048, activation='relu', name="dense_test3"))
model.add(Dense(2048, activation='relu', name="dense_test4"))
model.add(Dense(2048, activation='relu', name="dense_test5"))
model.add(Dense(10, activation='softmax', name="dense_test6"))
搭建好后进行训练可以得到一个训练好的神经网络
此时通过模型去识别cifar测试集
model.predict(x_test)#x_test是cifar数据集
可以得到预测结果,此时若想查看中间某一层的输出,比如全连接的第二层——dense_test2的输出怎么办呢。
这时候,可以直接截取此模型的子模型,直接将 dense_test2作为最后一层输出。
sub_model = tf.keras.Model(inputs = model.input, outputs = model.get_layer(dense_test2).output)
sub_model.predict(x_test)
这样就可以获取中间某一层的输出了。