如何提取Keras模型指定中间层输出为NumPy数组并保存

解决方案步骤 #

1. 定位目标层
   原模型中第6组Conv2D层对应模型的第15个层（索引从0开始计数），可通过test_model.layers[15]直接访问该层。

2. 创建特征提取模型
   基于训练好的test_model，构建仅输出目标层结果的新模型：

   from keras.models import Model
   
   # 输入沿用原模型输入，输出指定为第6组Conv2D层的结果
   feature_extractor = Model(inputs=test_model.input, outputs=test_model.layers[15].output)
   

3. 获取目标层输出的NumPy数组
   使用新模型对目标输入数据（如训练集X_train或测试集X_test）做预测，得到该层的激活值数组：

   # 替换为你需要处理的输入数据
   conv6_output = feature_extractor.predict(X_train, verbose=0)
   

4. 保存数组到文本文件
   利用numpy.savetxt将数组保存为文本文件。由于卷积层输出为高维数组，建议先展平后保存：

   import numpy as np
   
   # 展平数组并以浮点数格式保存
   np.savetxt('conv2d_layer6_output.txt', conv6_output.reshape(-1, conv6_output.shape[-1]), fmt='%.6f')
   

   若需保留原维度结构，可先存为.npy格式（存储效率更高），再按需转换为文本：

   # 保存为npy格式文件
   np.save('conv2d_layer6_output.npy', conv6_output)
   
   # 读取npy文件并转换为文本
   loaded_output = np.load('conv2d_layer6_output.npy')
   np.savetxt('conv2d_layer6_output.txt', loaded_output.reshape(-1, loaded_output.shape[-1]), fmt='%.6f')
   

注意事项 #

• 原代码存在笔误：cnn_model.compile需改为test_model.compile，否则会因未定义cnn_model报错。
• 确保输入数据形状符合channels_first格式：(样本数, 深度, 高度, 宽度)，与模型初始化时的input_shape一致。

内容的提问来源于stack exchange，提问作者pro