Question

最近我为猫狗分类创建了基本的CNN模型（非常基础）。如何使用keras可视化这些图层的输出？我使用Tensorflow后端进行keras。

Answer 1

您可以定义一个模型，该模型获取您想要查看的每个图层的输出并进行预测：

假设您拥有完整的模型：

cnnModel = #a model you have defined with layers

假设你想要指数1,5和8层的输出。
使用这些图层的输出，从这个模型创建一个新模型。

from keras.models import Model

desiredLayers = [1,5,8]
desiredOutputs = [cnnModel.layers[i].output for i in desiredLayers] 

#alternatively, you can use cnnModel.get_layer('layername').output for that    

newModel = Model(cnnModel.inputs, desiredOutputs)

使用此模型进行预测：

print(newModel.predict(inputData))

现在，＆＃34;可视化＆＃34;这些结果可能很棘手，因为它们可能比常规图像有更多的通道。

Answer 2

Keras通过两种方式以简单的技术为CNN中间输出提供可视化显示：

我假设您已经在keras中构建了model= Sequential()和CNN layer实现的模型。

首先读取图像并将其重塑为Conv2d()需要四个尺寸因此，将输入图像重塑为4D [batch_size，img_height，img_width，number_of_channels] 例如：

import cv2
import numpy as np
img = cv2.imread('resize.png',0)
img = np.reshape(img, (1,800,64,1)) # (n_images, x_shape, y_shape, n_channels)
img.shape # ((1,800,64,1)) consider gray level image

第一种方式：

from keras.models import Model
layer_name = 'Conv1'
intermediate_layer_model = Model(inputs=model.input,
                                          outputs=model.get_layer(layer_name).output)
intermediate_output = intermediate_layer_model.predict(img)

然后使用matplotlib将其绘制为：

import matplotlib.pyplot as plt
import numpy as np ## to reshape
%matplotlib inline
temp = intermediate_output.reshape(800,64,2) # 2 feature
plt.imshow(temp[:,:,2],cmap='gray') 
# note that output should be reshape in 3 dimension

第二种方式：

您可以使用keras后端创建函数，并将图层级别作为数值传递，如下所示：

from keras import backend as K

# with a Sequential model
get_3rd_layer_output = K.function([model.layers[0].input],
                                  [model.layers[2].output])
layer_output = get_3rd_layer_output([img])[0] ## pass as input image

访问this链接

如何在keras中可视化卷积神经网络中间层的输出？

2 个答案: