Python 是否可以从一半的UNet中提取特征?
我有一个3D UNet,我训练了几千年,现在我想在一个类似的数据集上做一些聚类。但是,首先我想将卷分解为一个功能集数组,并对功能而不是体积数组执行聚类。我想从Python 是否可以从一半的UNet中提取特征?,python,tensorflow,keras,neural-network,feature-extraction,Python,Tensorflow,Keras,Neural Network,Feature Extraction,我有一个3D UNet,我训练了几千年,现在我想在一个类似的数据集上做一些聚类。但是,首先我想将卷分解为一个功能集数组,并对功能而不是体积数组执行聚类。我想从conv3d_9(conv3d) 是否可以仅从UNet的下半部分提取特征以提取这些特征 假设您已经训练了模型,您可以使用函数式API来实现这一点 比如说, from tensorflow.keras.models import Model feature_extraction_model = Model(inputs= model.inp
conv3d_9(conv3d)
是否可以仅从UNet的下半部分提取特征以提取这些特征
假设您已经训练了模型,您可以使用函数式API来实现这一点 比如说,
from tensorflow.keras.models import Model
feature_extraction_model = Model(inputs= model.inputs, outputs=model.layers[-18].output)
features_prediction = feature_extraction_model(input_3d_image)
请注意,
-18
是conv3d_9
的索引,您可以通过下面显示的索引或名称获得中间层
feature=model.get_层('conv3d_9d'))
你能试试吗?我也对结果感兴趣。@Watanabe.N使用下面的方法,我能够使用我的unet的一半来提取特征。我必须迭代我的input_3d_image
,一次预测一个卷的功能,然后展平并重新组合阵列进行聚类。是的,也许你可以最大化/平均化该功能