有没有办法从 Keras 的自动编码器中获取任何层的特征？ [复制]

Posted 2023-02-16

【中文标题】有没有办法从 Keras 的自动编码器中获取任何层的特征？ [复制]

【英文标题】：Is there any way to obtain features of any layer from autoencoder in Keras? [duplicate]

【发布时间】：2021-09-11 05:18:38

【问题描述】：

大家好，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取特征（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，我需要输入一个新图像，但我只想要来自已定义 CNN 编码器部分的第三层的输出。有什么想法吗？

谢谢！！！

【问题讨论】：

这里已经被问了几百次了，问之前先搜索一下。

【参考方案1】：

在顺序模型中，您可以通过model.layers[index] 或model.get_layer(layer_name) 获得任何层输出。

以第三层输出为例：

features_for_third_layer = encoder.layers[2].output

或

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

---

在训练自动编码器之后，如果您只想要任意层编码器的输出，并且想要输入图像并获得输出，一种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])