#将图像预处理为一个4D张量

import numpy as np

from keras.preprocessing import image

img = img.load_img(img_path, target_size=(150, 150)) #150x150为自定义大小

img_tensor = image.img_to_array(img)

img_tensor = np.expand_dims(img_tensor, axis=0) #添加一个维度

img_tensor /= 255. #数据预处理，等于是把所有数据缩小到0~1之间

#print(img_tensor.shape): (1, 150, 150, 3) 可见图像原来的维度为(150x150, 3颜色通道RGB)

#模型实例化

from keras import models

layer_outputs = [layer.output for layer in model.layers[:8]] #提取前8层输出

activation_model = models.Model(inputs=model.input, outputs=layer_outputs) #实例化一个模型，给定输入，返回输出结果

acvivations = activation_model.predict(img_tensor)

print(activations[0].shape): (1, 148, 148, 32)

#关于numpy.clip()函数的功能和用法

#matplotlib.pyplot中cmap='viridis'，参数viridis意义