#!/usr/bin/env python 3.6

 #_*_coding:utf-8 _*_

 #@Time    :2019/11/16 22:42

 #@Author  :控制工程小小白

 #@FileName: virtual.py

 #@Software: PyCharm

 from keras.models import load_model

 from keras import backend as K

 import cv2

 import numpy as np

 import processor

 from matplotlib import pyplot as plt

 from Resnet import Resnet50

 from keras.models import Model

 from keras import backend as K

 from keras.layers import Input

 model=Resnet50()#导入模型，该模型的搭建代码见博主的下一篇博客

 image_path=r'G:\make_Mnist_data\mnist_train\0.jpg'#测试图片保存的路径

 image=cv2.imread(image_path)#读取图片

 image_arr = cv2.resize(image, (32, 32))# 根据载入的训练好的模型的配置，将图像统一尺寸

 print(image_arr.shape)

 image_arr = np.expand_dims(image_arr, axis=0)

 model.load_weights('./My_keras_Resnet50_weight_Adma.h5') #给Resnet加载已经训练好了的权值文件。

 layer_1 = K.function([model.layers[0].input], [model.layers[40].output])#第一个 model.layers[0],不修改,表示输入数据；第二个model.layers[you wanted],修改为你需要输出的层数的编号

 print(model.layers[40].output.shape)#输出第40层的形状

 #第40层后的特征图展示，输出是（？,19,19,512），（样本个数，特征图尺寸长，特征图尺寸宽，特征图个数）

 plt.subplots_adjust(left=None, bottom=None, right=None, top=None,

                 wspace=None, hspace=None)#调整图与图之间的间隔

 f1 = layer_1([image_arr])[0]#只修改inpu_image

 for _ in range(512):#512表示特征图通道数

     show_img = f1[:, :, :, _]

     show_img.shape = [19, 19]

     plt.subplot(32, 16, _ + 1)#将特征图显示为32行16列

     plt.subplot(32, 16, _ + 1)

     plt.imshow(show_img, cmap='gray')

     plt.axis('off')

 plt.show()