首先需要兩個檔案：
1. caffemodel 和 deploy.prototxt
2. 網路輸入的資料檔案以及需要輸出的那一層的名字
下面以vgg_face為例： （我需要獲取pool5的輸出）
#coding=utf-8
import sys
sys.path.insert(1,'/home/develop/caffe/python')
import caffe
import cv2
import numpy as np
im_path = "../ak.png"
#設定gpu執行，如果在cpu下的話直接注釋掉就行
caffe.set_mode_gpu()
deploy='../vgg_face_deploy.prototxt' #deploy檔案
caffe_model= '../vgg_face.caffemodel' #訓練好的 caffemodel
net = caffe.net(deploy,caffe_model,caffe.test)
im = cv2.imread(im_path)
im = cv2.resize(im,(224,224))
'''預處理部分，需要與網路訓練的時候一致'''
transformer = caffe.io.transformer()
transformer.set_transpose('data', (2, 0, 1)) #將由(224,224,3)轉換成(3,224,224)
transformer.set_mean('data', np.array((93.5940,104.7624,129.1863))) #設定mean value，按通道減去均值。
im = transformer.preprocess('data', im)
net.blobs['data'].data[0] = im
out = net.forward(end='pool5') #end=『out layer name』，指定需要獲取輸出的層，我這裡是vgg的『pool5』層。
#print out #輸出為乙個字典，
output = out['pool5']
print output
pytorch獲取模型的中間層輸出結果
在inference階段，整個模型會load到gpu上，進行端到端的計算，通常只會給你輸出乙個最終結果。如果想要獲取模型的中間層輸出，則需要在計算前標定目標層位置 通過forward返回 或者把模型在那層截斷 當作乙個小模型 輸出def forward self,x layer1 out self....
WCF RIA 服務 （七） 中間層 簡介
在3 層結構的應用程式中，中間層包含了如何管理在表示層和資料層之間互動的邏輯。我們在中間層應用商業邏輯和驗證來確定資料是可接受的。例如，在人力資 源應用程式中，我們可以提供乙個允許員工提交休假申請的介面，但我們應該確定員工的可休假額度不小於0。因此，我們在提交申請之前，在中間層新增邏輯來檢 測員工的...
keras 如何獲得中間層的輸出？？？
剛開始接觸keras的時候，覺得這個框架很方便使用，就像搭積木一樣，但有時候為了理解模型中間的資料流向，摸清楚模型內部的資料傳輸是什麼樣子的就有點麻煩。事實上，keras也為我們提供了方法，其中最簡單的方法就是在原來的模型之外在建立乙個小型的模型，擷取原始模型從輸入層到你你感興趣的那一層作為新模型的...