标签：一层 输出 dense activation relu add tensorflow model Dense

tensorflow=2.0+

在使用tensorflow加载模型的时候有时候需要查看这个模型某一层的输出。

搭建一个简单的神经网络，识别cifar数据集：

点击查看代码

model = tf.keras.models.Sequential()
model.add(Flatten())
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(Dense(1024, activation='relu', name="dense_test1"))
model.add(Dense(2048, activation='relu', name="dense_test2"))
model.add(Dense(2048, activation='relu', name="dense_test3"))
model.add(Dense(2048, activation='relu', name="dense_test4"))
model.add(Dense(2048, activation='relu', name="dense_test5"))
model.add(Dense(10, activation='softmax', name="dense_test6"))

搭建好后进行训练可以得到一个训练好的神经网络

此时通过模型去识别cifar测试集

model.predict(x_test)#x_test是cifar数据集

可以得到预测结果，此时若想查看中间某一层的输出，比如全连接的第二层——dense_test2的输出怎么办呢。

这时候，可以直接截取此模型的子模型，直接将 dense_test2作为最后一层输出。

sub_model = tf.keras.Model(inputs = model.input, outputs = model.get_layer(dense_test2).output)
sub_model.predict(x_test)

这样就可以获取中间某一层的输出了。

标签：一层,输出,dense,activation,relu,add,tensorflow,model,Dense
来源： https://www.cnblogs.com/xingsz/p/15200853.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。