Python 当使用模型作为特征提取器时，深度学习模型（DenseNet-121）的哪一层用作输出

我很难决定或确定densenet-121（精细调整模型）的哪一层用于特征提取

我有以下模型（基于DenseNet-121，但我添加了一个分类层，因为我已经训练它将图像分类为7类）。以下是我的模型的最后几层：

---

然而，我很难确定使用哪一层（BatchNormalization或relu）。我想要一个len（4096）的向量。两层的输出是否有差异？建议使用哪一个？

如果要进行分类，则需要密集的_3层作为模型输出。批量标准化层和relu层各自产生一个形状输出（2,21024）。4096是未进行分类的层的可训练参数数

。我在做特征提取。该模型已用于分类。但我想得到图像的特征表示（向量）。