Keras 有一种方法可以提取预训练模型的特征，此处描述为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)

我尝试了一些示例图像。我的向量 x 的形状为 (100, 3, 224, 224) 用于 100 次观察，3 用于 RGB 和 224x224 像素大小。为preprocess_inputVGG 模型重塑了这个（它期望不同的顺序）。

但是，输出形状features是 (100, 512, 7, 7)。这是什么形状？我想将这些特征用作逻辑回归的输入。所以我需要一个像（100，n）这样的形状：每个观察一行和列中的特征。如何将输出重塑到这个维度？

假设我现在想构建自己的简单 Convnet：

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)))

该模型期望灰度图像作为输入，因此需要形状。

我必须添加什么样的层才能获得这个模型的特征（我可以在逻辑回归或随机森林中输入的东西）。

谢谢