python之从非最终 keras 模型层获取输出

我在 tensorflow 上将 ubuntu 与 python 3 和 keras 结合使用，我正在尝试使用来自预训练 keras 模型的迁移学习来创建模型，如解释的那样 here :

我正在使用下面的代码

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) 

我正在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 以使预训练模型实际工作？

请您参考如下方法:

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，将输出视为这些计算的结果。当您实例化一个 Model 对象时，它希望在输出时得到计算结果，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))