基于Theano的神经网络特征提取

Question

我有一个经过训练的网络，它由以下层组成：{con1， pool1， con2， pool2， con3， pool3， con4， pool4， fc5， fc6，输出}fc表示完全连接的层，conv表示卷积层。

我需要做一些图像的特征提取。我用的是千层面和意大利面。我需要保存每个层的特征，以便以后进行分析。我是这门语言的新手，所以我试图找到关于这门语言的示例代码或教程（使用theano/lasagne）。然而，我不明白自己应该做什么。

如果有人能指导我如何实现特征提取，我将不胜感激。

提前谢谢你

编辑：我遵循了gntoni先生/女士的评论，这是我的代码：

 feat_all = []
    for layer in layer_list:
        feat = np.zeros_like(lasagne.layers.get_output([self.acnn.cnn[layer]], inputs = img, deterministic=True))
        feat[:] = lasagne.layers.get_output([self.acnn.cnn[layer]], inputs = img, deterministic=True)
        feat_all.append(feat)
=

对于我的情况，我需要保存每个层的特征。我想写一个类似于我们在Caffe中的函数：

self.net.blobs['data'].data[0] = img
        self.net.forward(end=layer_list[-1])

        feat_all = []
        for layer in layer_list:
            feat = np.zeros_like(self.net.blobs[layer].data[0])
            feat[:] = self.net.blobs[layer].data[0]
            feat_all.append(feat)

然而，我训练过的模型是用千层面和theano编写的，所以我必须用千层面的格式来实现。

在编写了上面的代码（在lasane中）之后，我得到了一个空输出。我想知道为什么以及如何修复它。

提前谢谢你

Answer 1

请记住，在千层面中，get\u output方法返回无张量，您不能直接使用它们来计算numpy数组的特征。但是，您可以定义一个Theano函数并使用它来计算值。在您的情况下：

layers = [self.acnn.cnn[layer] for layer in layer_list]
feat_fn = theano.function([input_var], lasagne.layers.get_output(layers),
                          deterministic=True)

其中，input\u var是网络的输入张量。get\u output（获取输出）方法可以接受多个图层，并且无函数可以有多个输出，因此您可以定义一个函数来提取所有特征。获取数值非常简单：

feat_all = feat_fn(img)

Answer 2

卷积神经网络与您的一样，由两部分组成：

第一个是特征提取部分，在您的示例中包含conv池层{conv1、pool1、conv2、pool2、conv3、pool3、conv4、pool4}。

第二部分是分类部分。在您的网络中：{fc5，fc6，output}。

训练时，第一部分是试图获得由第二部分分类的输入数据的最佳表示。

因此，如果经过训练后，您断开这两个部分的连接，con4层的输出将为您提供所需的功能。

此功能可用于不同的分类器。事实上，许多人使用已经训练过的网络（如AlexNet），删除最后的分类层，并将这些特征与自己的分类系统一起使用。