내 모델은 숫자 이미지 ( MNIST dataset)로 훈련되었습니다 . 네트워크의 두 번째 레이어 출력을 인쇄하려고합니다-128 숫자의 배열.

예를 들어 - 예를 많이 읽고 나면 이 , 이 , 또는이 .

내 네트워크에서이 작업을 수행하지 못했습니다. 솔루션 중 어느 것도 내 알고리즘으로 작동하지 않습니다.

Colab에 연결 : https://colab.research.google.com/drive/1MLbpWJmq8JZB4_zKongaHP2o3M1FpvAv?fbclid=IwAR20xRz2i6sFS-Nm6Xwfk5hztdXOuxY4tZaDRXxAx3b986gA9-IaTT

다른 오류 메시지가 많이 나타납니다. 나는 그들 각각을 처리하려고 노력했지만 내 스스로 그것을 알아낼 수 없었습니다.

내가 무엇을 놓치고 있습니까? 두 번째 레이어를 출력하는 방법? 내 모양이 (28,28)-의 유형 및 값은 input_shape무엇입니까?

시험 실패 및 오류 예 :

(1)

for layer in model.layers:

    get_2nd_layer_output = K.function([model.layers[0].input],[model.layers[2].output])
    layer_output = get_2nd_layer_output(layer)[0]
    print('\nlayer output: get_2nd_layer_output=, layer=', layer, '\nlayer output: get_2nd_layer_output=', get_2nd_layer_output)

TypeError : 입력은 목록 또는 튜플이어야합니다.

(2)

input_shape=(28, 28)
inp = model.input                                           # input placeholder
outputs = [layer.output for layer in model.layers]          # all layer outputs
functor = K.function([inp, K.learning_phase()], outputs )   # evaluation function

# Testing
test = np.random.random(input_shape)[np.newaxis,...]
layer_outs = functor([test, 0.])
print('layer_outs',layer_outs)

tensorflow.python.framework.errors_impl.FailedPreconditionError : 컨테이너에서 로컬 변수 dense_1 / bias를 읽는 동안 오류가 발생했습니다 : localhost. 이는 변수가 초기화되지 않았 음을 의미 할 수 있습니다. 찾을 수 없음 : 컨테이너 localhost가 없습니다. (자원을 찾을 수 없음 : localhost / dense_1 / bias) [[{{node dense_1 / BiasAdd / ReadVariableOp}}]]

오래된 keras (tensorflow 2.0 이전 :) import keras와 새로운 keras ( from tensorflow import keras)를 혼합 한 것 같습니다 .

tensorflow> = 2.0과 함께 오래된 keras를 사용하지 마십시오 (첫 번째 링크에서와 같이 이전 문서를 참조하지 마십시오).

from tensorflow import keras
from keras.models import Model
print(Model.__module__) #outputs 'keras.engine.training'

from tensorflow.keras.models import Model
print(Model.__module__) #outputs 'tensorflow.python.keras.engine.training'

이 두 라이브러리를 혼합하면 동작이 매우 불안정합니다.

이 작업이 완료되면 시도한 답변 , m 모델, my_input_shape모델 입력 형태 (예 : (28, 28) 또는 (1, 28, 28)) 배치) :

from tensorflow import keras as K
my_input_data = np.random.rand(*my_input_shape) 
new_temp_model = K.Model(m.input, m.layers[3].output) #replace 3 with index of desired layer
output_of_3rd_layer = new_temp_model.predict(my_input_data) #this is what you want

하나의 이미지가 img있으면 직접 쓸 수 있습니다new_temp_model.predict(img)

(TF2 가정)

가장 간단한 방법은 레이어의 이름을 지정한 다음 표준 입력으로 호출하여 모델이

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28), name='flatten'),
    keras.layers.Dense(128, activation='relu', name='hidden'),
    keras.layers.Dense(10, activation='softmax')
])

그런 다음 입력을 만들고

my_input = tf.random.normal((1, 28, 28)) # Should be like the standard input to your network
output_of_flatten = model.get_layer('flatten')(my_input)
output_of_hidden = model.get_layer('hidden')(output_of_flatten)

output_of_hidden 당신이 찾고있는 것입니다

대체 접근법

모델이 순차적이라고 가정하면보다 일반적인 솔루션을 찾고 있다면 다음 과 같은 index키워드를 사용할 수 있습니다get_layer

my_input = tf.random.normal((1, 28, 28)) # Should be like the standard input to your network
desired_index = 1  # 1 == second layer

for i in range(desired_index):
    my_input = model.get_layer(index=i)(my_input)

이 루프의 끝에 my_input당신이 찾고있는 것이어야합니다