ケラスの事前学習済みモデルの特徴抽出

Kerasには、事前トレーニングされたモデルの機能を抽出する方法があります。ここで説明しますhttps://keras.io/applications/

from keras.applications.vgg16 import VGG16
from keras.preprocessing import image
from keras.applications.vgg16 import preprocess_input
import numpy as np

model = VGG16(weights='imagenet', include_top=False)

img_path = 'elephant.jpg'
img = image.load_img(img_path, target_size=(224, 224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

features = model.predict(x)

いくつかのサンプル画像でこれを試しました。私のベクトルxは、100回の観測で形状（100、3、224、224）、RGBで3、ピクセルサイズが224x224です。はpreprocess_inputVGGモデルのこれを再形成します（別の順序を想定しています）。

ただし、の出力形状featuresは（100、512、7、7）です。この形は何ですか？これらの機能をロジスティック回帰の入力として使用したい。したがって、（100、n）のような形状が必要です。観測ごとに1行と列の特徴です。出力をこの次元に再形成するにはどうすればよいですか？

今、自分のシンプルなConvnetを構築したいとします。

from keras.models import Sequential
from keras.layers import Convolution2D, MaxPooling2D
from keras.layers import Activation, Dropout, Flatten, Dense

model = Sequential()
model.add(Convolution2D(32, 3, 3, input_shape=(1, 299, 299)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Convolution2D(32, 3, 3))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Convolution2D(64, 3, 3))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

このモデルは、入力としてグレースケール画像、つまり形状を想定しています。

このモデルの機能（ロジスティック回帰またはランダムフォレストに入力できるもの）を取得するには、どのようなレイヤーを追加する必要がありますか？

ありがとう

features変数は、ネットワークの最終畳み込み層の出力が含まれています。VGG16の最後のたたみ込み層は、512の7x7機能マップを出力します。これらの機能をロジスティック回帰モデル（またはその他のモデル）で使用するために必要なことは、2Dテンソルに形状を変更することだけです。

reshaped_features = features.reshape(100, 512*7*7)

これにより、フィーチャマップが各インスタンスの長い1次元ベクトルにフラット化されます。

ヒント：あなたはリシェイプの実際の寸法をワークアウト気にすることはできません場合は、置き換えることができる512*7*7と-1してnumpy、最終的な寸法はどうあるべきか、大きな把握します。