pythonのkerasで中間層までの重みを保存したい

Question

現在，以下のようにオートエンコーダーで45→10の次元削減を行っております．

#オートエンコーダの構築

from keras.layers import Input, Dense
from keras.models import Model
import sklearn.model_selection
import sklearn.datasets
import numpy as np


#データの読み込み

X = np.loadtxt('D:/X_data.csv' , delimiter = ",")
Y = np.loadtxt('D:/Y_data.csv' , delimiter = ",")


X_train , X_test , Y_train , Y_test = sklearn.model_selection.train_test_split(X ,Y , test_size = 0.3)

X_train = X_train.astype('float32') / 255.
X_test = X_test.astype('float32') / 255.
X_train = X_train.reshape((len(X_train), np.prod(X_train.shape[1:])))
X_test = X_test.reshape((len(X_test), np.prod(X_test.shape[1:])))


#オートエンコーダ本体

encoding_dim = 10
input_img = Input(shape=(45,))

encoded = Dense(128, activation='relu')(input_img)
encoded = Dense(64, activation='relu')(encoded)
encoded = Dense(32, activation='relu')(encoded)

decoded = Dense(64, activation='relu')(encoded)
decoded = Dense(128, activation='relu')(decoded)
decoded = Dense(45, activation='sigmoid')(decoded)

autoencoder = Model(input=input_img, output=decoded)
autoencoder.compile(optimizer='adam', loss='binary_crossentropy')
autoencoder.fit(X_train, X_train,
                nb_epoch=100,
                batch_size=16,
                shuffle=True,
                validation_data=(X_test, X_test))

#モデルの重みを保存

autoencoder.save_weights('D:/autoencoder.h5')

最後にモデルの重みを保存しており、この重みを使って以下のようにネットワークを構築しています。

import keras
import tensorflow as tf
from keras.models import Sequential
from keras.layers import Dense , Activation
from keras.models import load_model

m =model = Sequential()

#オートエンコーダの重みを使う
model.add(Dense(128, input_dim=45, kernel_initializer='normal', activation='relu'))
model.add(Dense(64, kernel_initializer='normal', activation='relu'))
model.add(Dense(32, kernel_initializer='normal', activation='relu'))
model.add(Dense(64, kernel_initializer='normal', activation='relu'))
model.add(Dense(128, kernel_initializer='normal', activation='relu'))
model.add(Dense(45, kernel_initializer='normal', activation='relu'))
model.load_weights('D:/autoencoder.h5')

#オートエンコーダから出力された値をもとに再度ネットワークを構築
model.add(Dense(30, kernel_initializer='normal'))
model.add(Dense(20, kernel_initializer='normal'))
m.compile(loss='sparse_categorical_crossentropy',
              optimizer='sgd',
              metrics=['accuracy'])


print(m.summary())

このようにして学習しました。しかしながら、この方法では次元削減される前の値が入力値となる気がするのですが、この見解は正しいでしょうか？
その場合、次元削減する重みだけを取り出したいのですが、どのようにすればよいでしょうか？

Comments

[quickquip]

> このようにして学習しました。
じゃあ上の方のソースはいったいなに? と思ってしまいますが。回答者は上の方のソースだけ見ればいいですよね?

[blackmk]

ご指摘ありがとうございます。
仰る通りでございます。