Keras - 列コンボリューションネットワーク、オートエンコーダ出力を得る

私がしたいこと：ちょうど2つのクラスでcifar10データセットの畳み込みニューラルネットワークを訓練したいと思います。そして、私が適合モデルを取得したら、すべてのレイヤーを取り込み、入力イメージを再現したいと思います。ですから、私は分類の代わりにネットワークからイメージを取り戻したいと思います。Keras - 列コンボリューションネットワーク、オートエンコーダ出力を得る

私がこれまでに行っているもの：

def copy_freeze_model(model, nlayers = 1): 
    new_model = Sequential() 
    for l in model.layers[:nlayers]: 
     l.trainable = False 
     new_model.add(l) 
    return new_model 

numClasses = 2 
(X_train, Y_train, X_test, Y_test) = load_data(numClasses) 
#Part 1 
rms = RMSprop() 
model = Sequential() 
#input shape: channels, rows, columns 
model.add(Convolution2D(32, 3, 3, border_mode='same', 
         input_shape=(3, 32, 32))) 
model.add(Activation("relu")) 
model.add(MaxPooling2D(pool_size=(2, 2))) 
model.add(Dropout(0.5)) 

model.add(Flatten()) 
model.add(Dense(512)) 
model.add(Activation("relu")) 
model.add(Dropout(0.5)) 
#output layer 
model.add(Dense(numClasses)) 
model.add(Activation('softmax')) 
model.compile(loss='categorical_crossentropy', optimizer=rms,metrics=["accuracy"]) 

model.fit(X_train,Y_train, batch_size=32, nb_epoch=25, 
      verbose=1, validation_split=0.2, 
      callbacks=[EarlyStopping(monitor='val_loss', patience=2)]) 
print('Classifcation rate %02.3f' % model.evaluate(X_test, Y_test)[1]) 

##pull the layers and try to get an output from the network that is image. 

newModel = copy_freeze_model(model, nlayers = 8) 
newModel.add(Dense(1024)) 

newModel.compile(loss='mean_squared_error', optimizer=rms,metrics=["accuracy"]) 
newModel.fit(X_train,X_train, batch_size=32, nb_epoch=25, 
      verbose=1, validation_split=0.2, 
      callbacks=[EarlyStopping(monitor='val_loss', patience=2)]) 
preds = newModel.predict(X_test)

をまた私が行うとき：