Python 如何从Keras模型中获取数据进行可视化？

我使用的是Tensorflow 1.12，它将Keras与Python3.6.x集成在一起

我希望使用Keras来简化模型构建，但也希望使用中间层上的数据来可视化特征图和内核，以便更好地理解机器学习的工作原理（尽管这一点不太明显）

我正在使用mnist数据库和一个非常基本的Keras模型来尝试做我想做的事情

这是密码

import tensorflow as tf
from tensorflow.keras import layers
from tensorflow import keras

print(tf.VERSION)
print(tf.keras.__version__)

tf.keras.backend.clear_session()

mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train_shaped = np.expand_dims(x_train, axis=3) / 255.0
x_test_shaped = np.expand_dims(x_test, axis=3) / 255.0

def create_model():

  model = tf.keras.models.Sequential([
    keras.layers.Conv2D(32, kernel_size=(4, 4),strides=(1,1),activation='relu', input_shape=(28,28,1)),
    keras.layers.Dropout(0.5),
    keras.layers.MaxPooling2D(pool_size=(2,2), strides=(2,2)),
    keras.layers.Conv2D(24, kernel_size=(8, 8),strides=(1,1)),
    keras.layers.Flatten(),
    keras.layers.Dropout(0.5),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
  ])

  model.compile(optimizer=tf.keras.optimizers.Adam(), 
            loss=tf.keras.losses.sparse_categorical_crossentropy,
            metrics=['accuracy'])

  return model

上面设置了数据集和模型 接下来，我定义Tensorflow的会话并进行培训

这一切都很好，但现在我想得到我的数据，例如，第一层作为理想的numpy阵列，我可以在其上进行可视化

我的

模型.layers[0]。输出
按预期为我提供
（？，25,25,32）
的
张量
，现在我尝试执行
eval（）
，然后执行
.numpy（）
方法以获得结果

错误消息是

You must feed a value for placeholder tensor 'conv2d_6_input' with dtype float and shape [?,28,28,1]

我正在寻找有关如何将我的数据（32个25x25像素的特征贴图）作为numpy阵列进行可视化的帮助

sess = tf.Session(graph=tf.get_default_graph())
tf.keras.backend.set_session(sess)

with sess.as_default():
   model = create_model()
   model.summary()

   model.fit(x_train_shaped[:10000], y_train[:10000], epochs=2, 
   batch_size=64, validation_split=.2,)

   model.layers[0].output
   print(model.layers[0].output.shape)
   my_array = model.layers[0].output
   my_array.eval()

tf.keras.backend.clear_session()
sess.close()

首先，您必须注意，只有在向输入层提供一些数据时，获取模型或层的输出才有意义。你得到了模型的一些东西（即输入数据），你得到了一些回报（即输出或特征映射或激活映射）。这就是为什么它会产生以下错误：

您必须为占位符张量“conv2d\u 6”输入一个值

你还没有喂过孩子，所以它会哭：）

现在，建立新的Keras模型的想法适得其反。当您首先拥有一个大型模型时，您可能希望插入某种现成的代码，以获得要素地图的输出并将其可视化。所以这条路线似乎不是很有趣

我认为您错误地认为，当您从另一个模型的层构建一个新模型时，一个全新的模型被克隆。事实并非如此，因为层的参数将共享

具体而言，您所寻找的目标可以通过以下方式实现：

viz_conv = Model(model.input, model.layers[0].output)
conv_active = viz_conv(my_input_data)  # my_input_data is a numpy array of shape `(num_samples,28,28,1)`

viz_conv
的所有参数都与
model
共享，并且它们也没有被复制。在引擎盖下，他们使用相同的重量张量

或者，您可以定义一个后端函数来执行此操作：

from tensorflow.keras import backend as K

viz_func = K.function([model.input], [any layer(s) you would like in the model])
output = viz_func([my_input_data])

这一点已在中介绍过，我强烈建议您也阅读。
感谢您的及时回复。现在，建立新的Keras模型的想法适得其反。当您首先拥有一个大型模型时，您会希望插入某种现成的代码，以获得特征图的输出并将其可视化。因此，这条路线似乎不是很有趣。还要注意的是，在上面的代码中，我使用变量my_array从代码中获得了一个大小正确的张量，因此我并不真正希望以另一种形式获得输出。我的问题是把这个张量带到天体世界。我试过使用.eval（）函数和.numpy（）函数。顺便说一句，使用纯Tensorflow，我在做我想做的事情时有点问题，但是TF是基本的，Keras在编译时添加了一些东西，我不知道。您好，您的帮助让我按预期运行它，非常感谢。我不知道有thubs up或类似的stackoverflow系统，但请告诉我我能做什么。你肯定是在竖起大拇指@彼得，听到这个我很高兴！您可以参考堆栈溢出指南-请参阅