Python Keras，如何使用移除最后一层的模型进行预测

假设我有数据集100k x 400。我创建了这个模型：

model = Sequential()
model.add(Dense(200, input_dim = 400, init = init_weights))
model.add(BatchNormalization())
model.add(SReLU())
model.add(Dropout(0.5))
model.add(Dense(200, init = init_weights))
model.add(BatchNormalization())
model.add(SReLU())
model.add(Dropout(0.5))
model.add(Dense(1, activation = 'linear', init = init_weights))

比我叫的还多

model.compile(loss = ..

及

训练后，我可以调用model.predict（…进行预测

我想得到的是从没有最后一个线性层的模型中得到的预测矩阵

比如：

model.remove_last_layer
pred_matrix = model.predict(input_matrix)

---

如果输出为100k x 200阵列，我如何使用keras实现这一点？thx很多

thx到我找到的文档链接

layer_name = 'dropout_2'
intermediate_layer_model = Model(input = model.input, output = model.get_layer(layer_name).output)
intermediate_output = intermediate_layer_model.predict(matrix_test)

---

您的模型经过培训了吗？是的，我接受了培训您的

后端是什么

，您可以打印

model.summary（）

？检查文档，这可能会帮助您：对于链接TF2，

model（）

的参数是

输入

和

输出

，如果有帮助的话。

layer_name = 'dropout_2'
intermediate_layer_model = Model(input = model.input, output = model.get_layer(layer_name).output)
intermediate_output = intermediate_layer_model.predict(matrix_test)