[keras]中間層の出力

研究でCNNの中間層の出力を取得したいので，抽出する．

今回は学習済みモデルがあると仮定してCNNモデルのロードを行う．

• cnn_model.json : 学習モデルの構成
• cnn_model_weight : 学習モデルの重みデータ

過去記事 : KerasでCNNを簡単に構築

モデルのロード

from keras.models import model_from_json

json_string = open('./keras_data/cnn_model.json').read()
model = model_from_json(json_string)

model.load_weights('./keras_data/cnn_model_weight.hdf5')

モデルの確認

画像として保存

from keras.utils.vis_utils import plot_model
plot_model(model, show_shapes=True)

コンソールに出力

modelインスタンスからsummaryメソッドを呼び出す

model.summary()

中間層モデル

plot_model, summary()で確認した，レイヤ名を出力層にするモデルを再構築する．

from keras.models import Model
layer_name = 'activation_4'
hidden_layer_model = Model(inputs=model.input, outputs=model.get_layer(layer_name).output)

出力層の確認

作成した，モデルが中間層の出力を行なっているか確認

import cv2
import numpy as np

img = cv2.imread('./keras_data/face.jpg')
img = cv2.resize(img, (100, 100))
target = np.reshape(img, (1, img.shape[0], img.shape[1], img.shape[2])).astype('float') / 255.0

hidden_output = hidden_layer_model.predict(target)

hidden_output.shape

# (1, 1024) ← 中間層のサイズ

Layerの更新を制限する

大体，中間層の出力をする場合は転移学習(fine-tuning)をすると思うので，追加でfitした場合に重みの更新をしないように制限する．

layer.trainableでその層が学習可能か設定できる．

# 現在のモデル構成を確認
for i in range(len(new_model.layers)):
	print(i, new_model.layers[i], new_model.layers[i].trainable)
	
for layer in model.layers[:12]
	layer.trainable = False

参考

kerasで処理の途中の値を取り出す - ぱたヘネ