如何从 keras.tf 中的特定层(自动编码器中的瓶颈层)获取输出?

Question

我正在开发一个自动编码器，用于对某些图像组进行聚类。

input_images->...->bottleneck->...->output_images

我已经校准了自动编码器，使其满意并保存了模型;一切都是使用python3上的keras.tensorflow开发的。

下一步是将自动编码器应用于大量图像，并根据瓶颈层中的余弦距离对它们进行聚类。哎呀，我刚刚意识到我不知道 keras.tf 语法，用于批量运行模型到特定层而不是输出层。因此问题：

如何运行类似Model.predict_on_batch或Model.predict_generator到某个"瓶颈"层并检索该层上的值而不是输出层上的值？

Answer 1

您需要定义一个新模型(如果最初未将编码器和解码器定义为单独的模型，这通常是最简单的选择(。

如果您的模型是在没有重用层的情况下定义的，则只需：

inputs = model.input   
outputs= model.get_layer('bottleneck').output
encoder = Model(inputs, outputs)

像使用任何其他模型一样使用encoder模型。

Answer 2

完整的代码是这样的，

# ENCODER
encoding_dim = 37310
input_layer = Input(shape=(encoding_dim,))
encoder = Dense(500, activation='tanh')(input_layer)
encoder = Dense(100, activation='tanh')(encoder)
encoder = Dense(50, activation='tanh', name='bottleneck_layer')(encoder)
decoder = Dense(100, activation='tanh')(encoder)
decoder = Dense(500, activation='tanh')(decoder)
decoder = Dense(37310, activation='sigmoid')(decoder)
# full model
model_full = models.Model(input_layer, decoder)
model_full.compile(optimizer='adam', loss='mse')
model_full.fit(x, y, epochs=20, batch_size=16)
# bottleneck model
bottleneck_output = model_full.get_layer('bottleneck_layer').output
model_bottleneck = models.Model(inputs = model_full.input, outputs = bottleneck_output)
bottleneck_predictions = model_bottleneck.predict(X_test)