Python 访问最后一个卷积层转移学习

我正试图从计算机视觉模型中获取一些热图，它已经在对图像进行分类，但我发现了一些困难。 这是模型摘要：

model.summary()

作为创建热图的标准过程的一部分，我知道我必须访问模型中的最后一个卷积层，在这种情况下，我会说它是Densenet121内部的一个层，但我找不到访问属于Densenet121的所有层的方法

现在，我一直在使用conv2d_4层来运行一些测试，但我觉得这不是正确的方法，因为该层在densenet的所有迁移学习工作之前

另外，我刚刚在Kerr官方文档中查找了功能层，但没有找到，所以我猜它不是一个层，就像嵌入在那里的洞densenet模型，但我找不到访问的方法

顺便说一下，我在这里分享模型构造，因为它可能有助于回答以下问题：

from tensorflow.keras.applications.densenet import DenseNet121

num_classes = 2
input_tensor = Input(shape=(IMG_SIZE,IMG_SIZE,1))
x = Conv2D(3,(3,3), padding='same')(input_tensor)   
x = DenseNet121(include_top=False, classes=2, pooling="avg", weights="imagenet")(x)

x = Dense(100)(x)
x = Dropout(0.45)(x)
predictions = Dense(num_classes, activation='softmax', name="predictions")(x)
model = Model(inputs=input_tensor, outputs=predictions)   

我发现你可以用

.get_layer（）

两次访问功能性densenet模型中的层，该模型在“主”模型中被嵌入

---

在这种情况下，我可以使用

model.get_layer（'densenet121'）.summary（）

来检查Embeed模型中的所有thje层，然后将它们与以下代码一起使用：

model.get_layer（'densenet121'）。get_layer（'xxxxx'）

您可以使用

get_layer

来检索其名称或索引上的层。要获取

densenet121

层（即在模型中索引为2）的详细信息，您可以尝试使用

model.get_layer（index=2）.summary（）

从中轻松访问所需的层。谢谢

from tensorflow.keras.applications.densenet import DenseNet121

num_classes = 2
input_tensor = Input(shape=(IMG_SIZE,IMG_SIZE,1))
x = Conv2D(3,(3,3), padding='same')(input_tensor)   
x = DenseNet121(include_top=False, classes=2, pooling="avg", weights="imagenet")(x)

x = Dense(100)(x)
x = Dropout(0.45)(x)
predictions = Dense(num_classes, activation='softmax', name="predictions")(x)
model = Model(inputs=input_tensor, outputs=predictions)