Question

我正在尝试从计算机视觉模型中获取一些热图，该模型已经在对图像进行分类，但我发现了一些困难。这是模型摘要：

model.summary()

Model: "model_4"

Layer (type)                 Output Shape              Param #   
=================================================================
input_9 (InputLayer)         [(None, 512, 512, 1)]     0         
_________________________________________________________________
conv2d_4 (Conv2D)            (None, 512, 512, 3)       30        
_________________________________________________________________
densenet121 (Functional)     (None, 1024)              7037504   
_________________________________________________________________
dense_4 (Dense)              (None, 100)               102500    
_________________________________________________________________
dropout_4 (Dropout)          (None, 100)               0         
_________________________________________________________________
predictions (Dense)          (None, 2)                 202       
=================================================================
Total params: 7,140,236
Trainable params: 7,056,588
Non-trainable params: 83,648

作为创建热图的标准过程的一部分，我知道我必须访问模型中的最后一个卷积层，在这种情况下，我会说它是 Densenet121 内部的一个层，但我找不到访问属于densenet121的所有层的方法。

现在，我一直在使用 conv2d_4 层来运行一些测试，但我觉得这不是正确的方法，因为该层是在来自密集网的所有迁移学习工作之前。

另外，我刚刚在KErar官方文档中查找了Funcitnal层，但我没有找到，所以我猜它不是一个层，它就像嵌入在那里的孔densenet模型，但我找不到访问的方法.

顺便说一下，我在这里分享模型构建，因为它可能有助于回答这个问题：

from tensorflow.keras.applications.densenet import DenseNet121

num_classes = 2
input_tensor = Input(shape=(IMG_SIZE,IMG_SIZE,1))
x = Conv2D(3,(3,3), padding='same')(input_tensor)   
x = DenseNet121(include_top=False, classes=2, pooling="avg", weights="imagenet")(x)

x = Dense(100)(x)
x = Dropout(0.45)(x)
predictions = Dense(num_classes, activation='softmax', name="predictions")(x)
model = Model(inputs=input_tensor, outputs=predictions)

Answer 1

我发现你可以使用 .get_layer() 两次访问功能密集网络模型中的层嵌入到“主”模型中。

在这种情况下，我可以使用 model.get_layer('densenet121').summary() 检查嵌入模型中的所有 thje 层，然后将它们与以下代码一起使用：model.get_layer('densenet121').get_layer('xxxxx')

访问最后一个卷积层迁移学习

1 个答案: