有没有办法从Keras的自动编码器中获得任何层的特征

Question

嗨，伙计们，我正在使用自动编码器，我正在尝试从自动编码器的特定层获得功能(我对潜在空间不感兴趣(。我正在使用以下代码：

#Define autoencoder
import keras 
input_shape  = (1, 512, 512, 1)
SIZE = 512

encoder = keras.models.Sequential()
encoder.add(keras.layers.Conv2D(32, (9, 9), activation='elu', padding='same', input_shape=(SIZE, SIZE, 1)))
encoder.add(keras.layers.BatchNormalization())

encoder.add(keras.layers.Conv2D(64, (7, 7), activation='elu', padding='same'))
encoder.add(keras.layers.BatchNormalization())

encoder.add(keras.layers.Conv2D(32, (5, 5), activation='elu', padding='same'))
encoder.add(keras.layers.MaxPooling2D((2, 2), padding='same'))
encoder.add(keras.layers.BatchNormalization())

encoder.add(keras.layers.Conv2D(32, (3, 3), activation='elu', padding='same'))
encoder.add(keras.layers.MaxPooling2D((2, 2), padding='same'))
encoder.add(keras.layers.BatchNormalization())

#Decoder
decoder = keras.models.Sequential()
decoder.add(keras.layers.Conv2D(32, (3, 3), activation='elu', padding='same'))
decoder.add(keras.layers.UpSampling2D((2, 2)))
decoder.add(keras.layers.BatchNormalization())

decoder.add(keras.layers.Conv2D(32, (5, 5), activation='elu', padding='same'))
decoder.add(keras.layers.UpSampling2D((2, 2)))
decoder.add(keras.layers.BatchNormalization())

decoder.add(keras.layers.Conv2D(64, (7, 7), activation='elu', padding='same'))
#decoder.add(keras.layers.UpSampling2D((2, 2)))
decoder.add(keras.layers.BatchNormalization())

decoder.add(keras.layers.Conv2D(32, (9,9), activation='elu', padding='same'))
#decoder.add(keras.layers.UpSampling2D((2, 2)))
decoder.add(keras.layers.BatchNormalization())

#decoder.add(keras.layers.Conv2D(64, (11,11), activation='elu', padding='same'))
#decoder.add(keras.layers.UpSampling2D((2, 2)))
#decoder.add(keras.layers.BatchNormalization())

decoder.add(keras.layers.Conv2D(1, (3, 3), activation='elu', padding='same'))
autoencoder = keras.models.Sequential([encoder,decoder])
autoencoder.compile(loss='mean_squared_error', optimizer = "adam")
autoencoder.summary()

最后，我训练了自动编码器：

model_train = autoencoder.fit(X_train_noise, X_train,
epochs=5000,
shuffle=True)

现在，我需要输入一个新的图像，但我只想要来自定义的CNN的编码器部分的第三层的输出。有什么想法吗？

谢谢！！！

Answer 1

在Sequential模型中，您可以获得model.layers[index]或model.get_layer(layer_name)输出的任何层。

例如第三层输出：

features_for_third_layer = encoder.layers[2].output

或

features_for_third_layer = autoencoder.layers[0].layers[2].output

---

在训练自动编码器后，如果你只想要任何一层编码器的输出，并且你想要馈送图像并获得输出，一个简单的方法是定义另一个模型，如下所示：

new_model = keras.models.Model(inputs=encoder.input, outputs=encoder.layers[2].output)

然后，你可以得到这样的输出：

feature_vector = new_model.predict([image])