我正在构建一个自编码器，并训练模型，使目标输出与输入相同。

我使用的是Keras的序列模型。当我使用model.predict时，我希望它能导出特定层（Dense256）的数组，而不是输出层。

这是我当前的模型：

model = Sequential()model.add(Dense(4096, input_dim = x.shape[1], activation = 'relu'))model.add(Dense(2048, activation='relu'))model.add(Dense(1024, activation='relu'))model.add(Dense(512, activation='relu'))model.add(Dense(256, activation='relu'))model.add(Dense(512, activation='relu'))model.add(Dense(1024, activation='relu'))model.add(Dense(2048, activation='relu'))model.add(Dense(4096, activation='relu'))model.add(Dense(x.shape[1], activation ='sigmoid'))model.compile(loss = 'mean_squared_error', optimizer = 'adam')history = model.fit(data_train,data_train,                    verbose=1,                    epochs=10,                     batch_size=256,                    shuffle=True,                    validation_data=(data_test, data_test))

回答：

训练完成后，从您的训练模型（model）创建一个新的模型（model2），以您所需的层结束。

您可以使用层名称来实现：

（在model.summary()中，您的256个神经元的密集层‘名称’是dense_5）

from keras.models import Modelmodel2= Model(model.input,model.get_layer('dense_5').output)

或者使用层顺序：

（您拥有256个神经元的密集层在model.summary()中是第五个）

from keras.models import Modelmodel2= Model(model.input,model.layers[4].output)

然后您可以使用predict

preds=model2.predict(x)