keras 特征图谱可视化

对四个block下不同的卷积层输出进行了可视化处理，可视化结果如下所示。可以看出浅层的卷积层获得的特征数量还比较多，特征数据与原始的图像数据很接近。随着层数越深，得到的有效特征越来越少，特征也变得越来越抽象

代码实现：

import itertools
from sklearn.metrics import confusion_matrix
import cv2
省略了一些依赖..


model = Model(inputs=inp, outputs=x) 
model.load_weights('WDD_jing3_2_weights.hdf5')   ##加载自己的模型

image=cv2.imread('4.png')  #加载自己的图像
image_arr = cv2.resize(image, (224, 224))
image_arr = np.expand_dims(image_arr, axis=0)
layer_1 = K.function([model.layers[0].input], [model.layers[M].output])        ##在这里改M，想看哪一层输出，M改为几
f1 = layer_1([image_arr]