溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
在深度學習中，如果我們想獲得某一個層上的feature map，就像下面的圖這樣，怎么做呢？
我們的代碼是使用keras寫的VGG16網絡，網絡結構如圖：
那么我們隨便抽取一層的數據吧，就拿第四層的pooling以后的結果作為輸出吧，參考上面的網絡結構，得到的結果維度應該是[1,56,56,128]的尺度。
怎么做呢？
首先通過keras構建模型：
model = VGG16(include_top=True, weights='imagenet')
然后設置輸入和輸出為：原始的輸入和該層對應的輸出，然后使用predict函數得到對應的結果
dense_result = Model(inputs=model.input,outputs=model.get_layer("block2_pool").output)
dense_res = dense_result.predict(x)#使用predict得到該層結果
設置隨機數（或者固定的數字）來獲取某一層的結果
rand_layer = random.randint(10,128)
x_output = dense_res[0,:,:,rand_layer] #獲取某一層的數據：因為原始數據維度是[1,x,x,depths]的，我們僅僅提取某一個depth對應的[x,x]維度的信息
# 獲取最大值，然后對該層數據進行歸一化之后投影到0-255之間
max = np.max(x_output)
print(max,"max value is :")
# 然后進行歸一化操作
x_output =x_output.astype("float32") / max * 255
print(x_output.shape)
最后對該層的feature進行顯示，我們使用Pillow庫
# 把圖像轉換成image可以表示的方式進行顯示 from PIL import Image as PILImage x_output =PILImage.fromarray(np.asarray(x_output)) x_output1 = x_output.resize((400,400)) x_output1.show() print(np.asarray(x_output1))
結果如上圖所示啦～
以上這篇在keras中獲取某一層上的feature map實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
