如何将每层卷积神经网络的输出保存为keras中的图像？

如何将卷积2D的输出保存为图像？

获取模型的输出

对输入数据使用

predict

方法获得输出：

model=Sequential()
model.add(Convolution2D(1,3,3, input_shape=img.shape))

model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))

输入数据必须是具有shape

的numpy数组（任意，img.shape[0]、img.shape[1]、img.shape[2]）

创建子模型以获得中间输出

获取已创建的模型，并在

model.layers[i]

或

model.Get\u layer（'someName'）

中找到所需的层。例如，您可以用一个名称声明层：

model.add（卷积2D（1,3，input\u shape=img.shape，name='target\u conv'））

保存图像

这只有在卷积有3个或更少通道时才有意义。因为你的有1个，所以它是一个灰度图像

使用一些库，如PIL：

from keras.models import Model

subModel = Model(model.input, model.get_layer('target_conv').output)

predictions = subModel.predict(inputData)

保存单个频道

如果您的conv层有3个以上的通道，那么生成的图像对我们的大脑来说并没有真正意义。。。因此，我们应该独立保存每个通道

from PIL import Image

for i in range(predictions.shape[0]):
    Image.fromarray(predictions[i]).save('filename'+str(i),'.bmp')

看见

from PIL import Image

for i in range(predictions.shape[0]):
    Image.fromarray(predictions[i]).save('filename'+str(i),'.bmp')

for i in range(predictions.shape[0]):
    im = predictions[i]

    for channel in range(im.shape[-1]):
        Image.fromarray(im[:,:,channel]).save('img_'+str(i)+'_ch_' + str(channel),'.bmp')