如何访问Core ML模型中CNN内部层（如conv5）的输出？

当然支持啦！Core ML完全可以像Caffe那样获取CNN内部层（比如你说的conv5）的输出，我给你两种实用的实现方式，你可以根据自己的场景选择：

方法一：转换模型时直接指定输出层 #

如果你还没完成模型转换，或者愿意重新转换一次，这是最直接的方式。在使用coremltools的convert函数时，通过output_feature_names参数同时保留原有的分类输出和你想要的内部层输出就行。

举个例子，假设你的Caffe AlexNet模型定义在alexnet.prototxt，权重文件是alexnet.caffemodel，代码可以这么写：

import coremltools as ct

# 加载Caffe模型结构和权重
caffe_model = ct.utils.load_caffe('alexnet.prototxt', 'alexnet.caffemodel')

# 转换时同时指定分类输出和conv5的输出
coreml_model = ct.convert(
    caffe_model,
    input_names=["image"],  # 输入特征的名字，对应模型的输入
    output_feature_names=["classLabel", "conv5"]  # 保留原分类输出，添加conv5的输出
)

# 保存修改后的模型
coreml_model.save("AlexNetWithConv5.mlmodel")

这里要注意：conv5的名字必须和你Caffe prototxt里定义的层名完全一致，如果不确定，可以用Netron工具打开Caffe模型或者转换后的Core ML模型查看层结构和名字。

方法二：修改已转换好的Core ML模型 #

如果你已经有了转换好的.mlmodel文件，不想重新转换，可以直接修改模型的spec来添加内部层输出：

import coremltools as ct
from coremltools.proto import FeatureTypes_pb2

# 加载已有的Core ML模型
model = ct.models.MLModel("AlexNet.mlmodel")
spec = model.get_spec()

# 先确认conv5层的输出名字（用Netron查看模型结构就能找到）
# 添加这个输出到模型中，这里假设conv5的输出是(256, 13, 13)的张量
output_type = FeatureTypes_pb2.ArrayFeatureType()
output_type.shape.extend([256, 13, 13])  # 对应conv5输出的维度
ct.utils.feature_utils.add_output(spec, "conv5", output_type)

# 保存修改后的模型
new_model = ct.models.MLModel(spec)
new_model.save("AlexNetWithConv5.mlmodel")

在iOS/macOS代码中获取内部层输出 #

修改好模型后，在Swift代码里调用模型时，就能直接拿到conv5的输出了：

import CoreML

// 假设你已经把模型添加到项目中，自动生成了对应的模型类
let model = AlexNetWithConv5()

// 准备输入图像（这里假设你已经把UIImage转换成了模型需要的CVPixelBuffer）
guard let testImage = UIImage(named: "test.jpg"),
      let pixelBuffer = testImage.convertToCVPixelBuffer() else {
    print("图像转换失败")
    return
}

do {
    let output = try model.prediction(image: pixelBuffer)
    // 获取分类结果
    let resultLabel = output.classLabel
    // 获取conv5的输出张量
    let conv5Features = output.conv5
    // 这里就可以对conv5的输出做进一步处理了
} catch {
    print("模型预测失败：\(error.localizedDescription)")
}

小提示：Netron工具真的很实用，不管是查看Caffe还是Core ML的模型结构、层名、输出维度，都能一目了然，强烈推荐用它来确认你要访问的层的准确信息。

内容的提问来源于stack exchange，提问作者AJ Z.