Keras 获取中间层的输出

## what my model looks like

# defining the model archictecture
model = Sequential()
# 1st conv layer
model.add(Conv2D(32, (5, 5), activation='relu', input_shape=x_ip_shape))
# 1st max pool
model.add(MaxPooling2D(pool_size=(2, 2)))
# 2nd conv layer
model.add(Conv2D(64, (7, 7), activation='relu'))
# 2nd max pool
model.add(MaxPooling2D(pool_size=(2, 2)))
# Flattenning the input
model.add(Flatten())
# 1st Fully connected layer
model.add(Dense(10, activation='relu'))
# Adding droput
model.add(Dropout(0.25))
# softmax layer
model.add(Dense(classes_out, activation='softmax'))

# defining loss, optimizer learning rate and metric
model.compile(loss='categorical_crossentropy',optimizer=keras.optimizers.Adam(1e-4), metrics=['accuracy'])


## prediction
scores = model.evaluate(test_x, test_labels, verbose=0)

问题： 相反，我可以获得第一个完全连接层的前向传递的输出，即model.add(Dense(10, activation='relu'))?

我在 keras 上查看了示例FAQ https://keras.io/getting-started/faq/#how-can-i-obtain-the-output-of-an-intermediate-layer。但这让我很困惑： 在此：

get_3rd_layer_output = K.function([model.layers[0].input, K.learning_phase()], [model.layers[3].output])

我将输入数据传递到哪里？ model.layers[0].input 是什么意思？训练好的模型是否存储输入？

The get_3rd_layer_output是 Theano 函数。您不需要对其进行太多修改。

model.layers[0].input如果您想要给定网络中第一层的输入（任何层的输出），则将保持原样。换句话说，如果您想要将第 4 层作为输入的某个层的输出，那么您应该将其更改为model.layers[4].input.

K.learning_phase()指示您想要训练阶段还是测试阶段的输出。这两者的输出之间会有一些差异，因为存在诸如Dropout在训练和测试期间表现不同。如果您希望输出类似于predict().

model.layers[3].output：这是您需要进行修改的地方。找出您想要输出的图层的索引。如果您有 IDE（例如 Pycharm），则单击model变量并查看图层的索引（记住它从零开始）。如果没有，请为该图层分配一些名称，然后您可以通过执行以下操作找到所有图层名称model.layers。由此，您可以轻松获得索引。例如，如果您想要第 10 层的输出，那么您可以将其更改为model.layers[10].output.

这个怎么称呼呢？

这又是一个 Theano 函数，因此是一个符号函数。您必须传递值并对其进行评估。您可以按如下方式进行操作：

out = get_3rd_layer_output([X, 0])[0]  # test mode

请记住，即使X是单个数据点，它的形状应该是(1,) + x_ip_shape.