Keras 暹罗网络，如何抽象特征？

我试图修改示例以获得图像特征

---

问题是，如何获取图像特征？最后一层的输出只是一个数字。在获得特征之前，我应该做些什么？

您可以尝试首先在整个数据集上训练模型并保存它

再次加载模型，现在将输出层设置为

processed\u a

和

processed\u b

现在再次对整个数据集调用

model.predict（）

函数，您将获得数据集中每个图像的特征

看看

---

希望这有帮助

要在培训后从示例中获取嵌入：

model_a = Model(inputs=model.input, outputs=processed_a)
model_a.predict([tr_pairs[:, 0], tr_pairs[:, 1]])

我是这样做的（）：

我训练有素的暹罗模特是这样的：

siamese\u model.summary（）

请注意我新定义的模型与以黄色突出显示的模型基本相同

然后我重新定义了我想要用于提取嵌入的模型（它应该是您定义的同一个模型，但现在它不会有像暹罗这样的多个输入），如下所示：

暹罗嵌入模型=构建暹罗模型（输入形状）

siamese\u embeddings\u model.summary（）

然后我从我训练过的暹罗模型中提取权重，并将它们设置到我的新模型中

embeddings\u weights=暹罗模型。层[-3]。获取权重（）

暹罗嵌入模型。设置权重（嵌入权重）

然后，您可以提供新图像以从新模型中提取嵌入

vector=siamese.predict（图像）

len（向量[0]）
它将打印150，因为我的精细致密层（是输出向量）
我面临以下错误！Graph disconnected:无法获取“input_69”层的张量张量值（“input_69:0”，shape=（？，1，80，80），dtype=float32）。访问以下以前的层时没有问题：[]我在下面得到错误|值错误：图形断开连接：无法获取层“input_2”处的张量张量值（“input_2:0”，shape=（？，1，80，80），dtype=float32）。访问以下以前的层时没有问题：[]