Python 在TensorFlow 2.x中删除层/从特定层提取特征

我有一个训练有素的CNN模型，我用一个致密层作为顶部模型来进行预测。但是，现在我想使用倒数第二层来提取特征，但我无法删除最后一层

我试过了。爸爸，但那似乎不再有效了

我的模型如下：

input_1（InputLayer）[（无、256、256、3）]0
_________________________________________________________________efficientnet-b6（功能性）（无、8、8、2304）40960136
_________________________________________________________________全球平均池2D（Gl（无，2304）0
_________________________________________________________________密集型（密集型）（无，1）2305
==================================================================总参数：40962441可训练参数：0个不可训练参数： 40962441

---

我想去除致密部分。

您可以采取以下步骤：

提取模型的层

获取输入层和所需的新输出层（在您的情况下，是您所需的功能）

重建模型

强调这一点的一个例子是：

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


def simpleMLP(in_size, hidden_sizes, num_classes, dropout_prob=0.5):
    in_x = layers.Input(shape=(in_size,))
    hidden_x = models.Sequential(name="hidden_layers")
    for i, num_h in enumerate(hidden_sizes):
        hidden_x.add(layers.Dense(num_h, input_shape=(in_size,) if i == 0 else []))
        hidden_x.add(layers.Activation('relu'))
        hidden_x.add(layers.Dropout(dropout_prob))
    out_x1 = layers.Dense(num_classes, activation='softmax', name='baseline1')
    out_x2 = layers.Dense(3, activation='softmax', name='baseline2')
    return models.Model(inputs=in_x, outputs=out_x2(out_x1((hidden_x(in_x)))))

baseline_mdl = simpleMLP(28*28, [500, 300], 10)
print(baseline_mdl.summary())

模型：“功能性_1” _________________________________________________________________ 图层（类型）输出形状参数#
================================================================= 输入_1（输入层）[（无，784）]0
_________________________________________________________________ 隐藏层（顺序）（无，300）542800
_________________________________________________________________ 基线1（密集）（无，10）3010
_________________________________________________________________ 基线2（密集）（无，3）33
================================================================= 总参数：545843 可培训参数：545843 不可训练参数：0 _________________________________________________________________

模型：“功能性_3” _________________________________________________________________图层（类型）输出形状参数#
===========================================================================================input\u 1（InputLayer）[（None，784）]0
_________________________________________________________________隐藏层（顺序）（无，300）542800
_________________________________________________________________基线1（密集）（无，10）3010
==================================================================总参数：545810可训练参数：545810不可训练参数： 0

---

正如你所看到的，我去掉了最后一层，仍然能够使用经过训练的重量

---

请注意，根据您的型号可能会略有不同，但这是您应该遵循和调整的一般原则。

@Alexandros当然，很乐意提供帮助！

baseline_in = baseline_mdl.layers[0].input
baseline_out = baseline_mdl.layers[-2].output
new_baseline = models.Model(inputs=baseline_in,
                            outputs=baseline_out)
print(new_baseline.summary())