从非最终 keras 模型层获取输出

我正在使用带有 python 3 的 ubuntu 和基于tensorflow的keras，我正在尝试使用来自预先训练的keras模型的迁移学习来创建一个模型，如下所示here https://www.learnopencv.com/keras-tutorial-transfer-learning-using-pre-trained-models/:

我正在使用以下代码

import numpy as np
from keras.applications import vgg16, inception_v3, resnet50, mobilenet
from keras import Model

a = np.random.rand(1, 224, 224, 3) + 0.001
a = mobilenet.preprocess_input(a)

mobilenet_model = mobilenet.MobileNet(weights='imagenet')

mobilenet_model.summary()
inputLayer = mobilenet_model.input

m = Model(input=inputLayer, outputs=mobilenet_model.get_layer("conv_pw_13_relu")(inputLayer))
m.set_weights(mobilenet_model.get_weights()[:len(m.get_weights())])
p = m.predict(a)
print(np.std(p), np.mean(p))
print(p.shape)

我使用的层的输出始终是一个零数组，我是否应该将权重加载到我正在创建的 p 中，以便预训练的模型实际工作？

Keras 中的层和这些层的输出之间存在差异。您可以将层视为代表计算，并将输出视为这些计算的结果。当你实例化一个Model对象，它期望计算的结果作为输出，而不是计算本身，因此会出现错误。要修复它，您可以将层的输出传递给Model构造函数：

import numpy as np
from keras.applications import vgg16, inception_v3, resnet50, mobilenet
from keras import Model

a = np.random.rand(24, 224, 224, 3)
a = mobilenet.preprocess_input(a)

mobilenet_model = mobilenet.MobileNet(weights='imagenet')

mobilenet_model.summary()

model_output = mobilenet_model.get_layer("conv_pw_13_relu").output
m = Model(inputs=mobilenet_model.input, outputs=model_output)
print(m.predict(a))