使用下面所示的2D CNN从图像中提取特征，我如何存储提取的特征，以便训练SVM对特征进行分类？
产品型号：

model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(3, 150, 150)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())  # this converts our 3D feature maps to 1D feature vectors
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(4))
model.add(Activation('softmax'))

提取要素时使用：

layer_name = 'layer_name'
intermediate_layer_model = Model(inputs=model.input,
                                 outputs=model.get_layer(layer_name).output)
intermediate_output = intermediate_layer_model.predict(data)

操作步骤：

• 存储从我的图像数据集中提取的这些特征，以便训练SVM分类器。
• 使用train_test_split()拆分训练数据和测试数据
• 训练分类器：

clf = svm.SVC()
clf.fit(X, y)

我需要知道怎么做。