keras K.function获取某层的输出操作

如下所示：

from keras import backend as K
from keras.models import load_model

models = load_model('models.hdf5')
image=r'image.png'
images=cv2.imread(r'image.png')
image_arr = process_image(image, (224, 224, 3))
image_arr = np.expand_dims(image_arr, axis=0)
layer_1 = K.function([base_model.get_input_at(0)], [base_model.get_layer('layer_name').output])
f1 = layer_1([image_arr])[0]

加载训练好并保存的网络模型

加载数据（图像），并将数据处理成array形式

指定输出层

将处理后的数据输入，然后获取输出

其中，K.function有两种不同的写法：

1. 获取名为layer_name的层的输出

layer_1 = K.function([base_model.get_input_at(0)], [base_model.get_layer('layer_name').output])#指定输出层的名称

2. 获取第n层的输出

layer_1 = K.function([model.get_input_at(0)], [model.layers[5].output])#指定输出层的序号（层号从0开始）

另外，需要注意的是，书写不规范会导致报错：

报错：

TypeError: inputs to a TensorFlow backend function should be a list or tuple

将该句：

f1 = layer_1(image_arr)[0]

修改为：

f1 = layer_1([image_arr])[0]

补充知识：keras.backend.function()

如下所示：

def function(inputs, outputs, updates=None, **kwargs):
"""Instantiates a Keras function.
Arguments:
  inputs: List of placeholder tensors.
  outputs: List of output tensors.
  updates: List of update ops.
  **kwargs: Passed to `tf.Session.run`.
Returns:
  Output values as Numpy arrays.
Raises:
  ValueError: if invalid kwargs are passed in.
"""
if kwargs:
 for key in kwargs:
  if (key not in tf_inspect.getargspec(session_module.Session.run)[0] and
    key not in tf_inspect.getargspec(Function.__init__)[0]):
   msg = ('Invalid argument "％s" passed to K.function with Tensorflow '
       'backend') ％ key
   raise ValueError(msg)
return Function(inputs, outputs, updates=updates, **kwargs)

这是keras.backend.function()的源码。其中函数定义开头的注释就是官方文档对该函数的解释。

我们可以发现function()函数返回的是一个Function对象。下面是Function类的定义。

class Function(object):
"""Runs a computation graph.
Arguments:
  inputs: Feed placeholders to the computation graph.
  outputs: Output tensors to fetch.
  updates: Additional update ops to be run at function call.
  name: a name to help users identify what this function does.
"""

def __init__(self, inputs, outputs, updates=None, name=None,
       **session_kwargs):
 updates = updates or []
 if not isinstance(inputs, (list, tuple)):
  raise TypeError('`inputs` to a TensorFlow backend function '
          'should be a list or tuple.')
 if not isinstance(outputs, (list, tuple)):
  raise TypeError('`outputs` of a TensorFlow backend function '
          'should be a list or tuple.')
 if not isinstance(updates, (list, tuple)):
  raise TypeError('`updates` in a TensorFlow backend function '
          'should be a list or tuple.')
 self.inputs = list(inputs)
 self.outputs = list(outputs)
 with ops.control_dependencies(self.outputs):
  updates_ops = []
  for update in updates:
   if isinstance(update, tuple):
    p, new_p = update
    updates_ops.append(state_ops.assign(p, new_p))
   else:
    # assumed already an op
    updates_ops.append(update)
  self.updates_op = control_flow_ops.group(*updates_ops)
 self.name = name
 self.session_kwargs = session_kwargs

def __call__(self, inputs):
 if not isinstance(inputs, (list, tuple)):
  raise TypeError('`inputs` should be a list or tuple.')
 feed_dict = {}
 for tensor, value in zip(self.inputs, inputs):
  if is_sparse(tensor):
   sparse_coo = value.tocoo()
   indices = np.concatenate((np.expand_dims(sparse_coo.row, 1),
                np.expand_dims(sparse_coo.col, 1)), 1)
   value = (indices, sparse_coo.data, sparse_coo.shape)
  feed_dict[tensor] = value
 session = get_session()
 updated = session.run(
   self.outputs + [self.updates_op],
   feed_dict=feed_dict,
   **self.session_kwargs)
 return updated[:len(self.outputs)]

所以，function函数利用我们之前已经创建好的comuptation graph。遵循计算图，从输入到定义的输出。这也是为什么该函数经常用于提取中间层结果。

来源：https://blog.csdn.net/qq_37974048/article/details/102727653