在Keras中非线性激活之前获得输出

当我使用以下语法在Keras中定义层时，如何在激活之前获得值：

model.add(Convolution2D(128, 5, 5, activation='relu'))

我知道我可以简单地使用：

model.add(Convolution2D(128, 5, 5))
model.add(Activation('relu'))

---

并从第一层获取输出，但使用第一种语法时是否可能？

不，您不能以简单的方式进行此操作，因为激活函数在Keras中的卷积层实现中获取卷积输出：

model.add(Convolution2D(128, 5, 5, activation='relu'))

如果self.rank==2：
输出=K.2d(
投入，
self.kernel，
步幅，
padding=self.padding，
data\u format=self.data\u format，
扩张率=自身扩张率）
如果self.activation不是None：
返回自激活（输出）
返回输出

不过，您可能可以编写一个自定义代码来执行卷积，并定义一个自定义函数来获取卷积的原始输出。另一个选择是编写自己的卷积层（别担心，这么做很容易！），它有两个输出：应用卷积的结果和应用激活函数的结果