Keras 如何从暹罗网络的卷积层中提取特征？

我试图从一个经过训练的暹罗网络中提取特征，但我面临一个问题，因为它需要两个输入图像，而输出是一个距离向量

from Keras import backend as K

outputs = [layer.get_output_at(-1) for layer in model.layers]          # all layer outputs
functor = K.function([img_a, img_b]+ [K.learning_phase()], [feat_vecs_a, feat_vecs_b])
# Testing
test = np.random.random(input_dim)[np.newaxis,...]
layer_outs = functor([im1, im2])
layer_outs

---

我只得到了距离值，无法找出如何从最终卷积层提取特征。

获取序列模型并从中预测

output_features = original_sequential_model.predict(input_images_as_numpy)

如果您想要“每个”层的输出，则执行您正在执行的操作，但使用顺序模型：

outputs = [layer.output for layer in original_sequential_model.layers]
extractor = Model(original_sequential_model.input, outputs)

output_features = extractor.predict(input_images_as_numpy)

如果您没有原始的顺序模型，则在暹罗网络中：

original_sequential_model = model.get_layer("sequential_1") 
    #or the name that appears in the summary.    

---

你建议的3个解决方案对我没有帮助，我面临这个问题，第一个是当我执行模型时。预测我只得到一个值，即两幅图像之间的欧几里德距离，我需要的是使用经过训练的模型提取特征。当我写layer.output时，我面临以下错误AttributeError:Layer sequential_1有多个入站节点，因此“Layer output”的概念定义不清。使用

get\u output\u at（节点索引）

。我的模型接受两个输入图像，所以我无法设置图层名称。我可以修复它，请检查！基本模型=模型。获取图层（“输入2”）输入=输入（形状=输入尺寸）x=基本模型（输入）模型自定义=模型（输入，x）im2=np。展开尺寸（x测试[0，1]，轴=0）pred1=模型自定义。预测（im2）但我还有一个问题，如何在注册样本图像集时在128d中保存特征？