如何从Keras中间层获取包括所有前面层的预测

Question

根据Keras的常见问题解答示例，我想澄清一下如何从中间层获取预测结果。假设我有几个全连接层，并且使用了丢弃层，比如：

model = Sequential()
model.add(Dense(out_dim, input_dim=input_dim, name="layer1"))
model.add(LeakyReLU()) # or whatever activation you want to use
model.add(Dropout(0.5))
model.add(Dense(int_dim, name="layer2"))
.... # here we have activation, dropout, etc.
model.add(Dense(lat_dim, name="layerN"))
# at last we add sigmoid and yield probabilities
model.add(Dense(1))
model.add(Activation("sigmoid"))
model.summary()

我想从第N层获取预测结果，并且要包括之前的所有层。文献推荐了几种方法，第一种是构建一个新的模型，比如：

new_model = Model(inputs=model.input,
                  outputs=model.get_layer("layerN").output)
output = new_model.predict(data)

我的问题是，这个新模型是接收输入向量，然后只从“第N层”输出预测，还是说它实际上会把我的输入通过所有层（包括丢弃层等）传递到“第N层”，然后再产生预测？如果是前者，那是不是意味着我需要基本上构建一个包含所有层直到“第N层”的新模型？

祝好，
Valentin。

[1] https://keras.io/getting-started/faq/#how-can-i-obtain-the-output-of-an-intermediate-layer

相关问题：

• 暂无相关问题

Answer 1

是的，你需要自己构建一个模型，把你想要的所有输出层都包含进去，这个过程不会自动完成。