我想求3D CNN模型进行分类时所有特征的权重占比，并得出权重最大的前10个特征，请给我提供相关代码

以下是使用Keras实现3D CNN模型的特征权重分析代码，其中包括了计算每个特征的权重占比以及输出权重最大的前10个特征的代码：

import numpy as np
import keras.backend as K
from keras.models import Sequential
from keras.layers import Conv3D, MaxPooling3D, Flatten, Dense

# 定义3D CNN模型
model = Sequential()
model.add(Conv3D(32, kernel_size=(3, 3, 3), activation='relu', input_shape=(32, 32, 32, 1)))
model.add(MaxPooling3D(pool_size=(2, 2, 2)))
model.add(Conv3D(64, kernel_size=(3, 3, 3), activation='relu'))
model.add(MaxPooling3D(pool_size=(2, 2, 2)))
model.add(Conv3D(128, kernel_size=(3, 3, 3), activation='relu'))
model.add(MaxPooling3D(pool_size=(2, 2, 2)))
model.add(Flatten())
model.add(Dense(256, activation='relu'))
model.add(Dense(10, activation='softmax'))

# 编译模型
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

# 生成随机数据
X_train = np.random.rand(100, 32, 32, 32, 1)
y_train = np.random.randint(10, size=100)

# 训练模型
model.fit(X_train, y_train, epochs=10, batch_size=10)

# 获取第一层的权重
conv1_weights = model.layers[0].get_weights()

# 计算特征权重占比
conv1_weights = np.squeeze(conv1_weights[0])
average_weights = np.mean(np.abs(conv1_weights), axis=(0, 1, 2))
weight_sum = np.sum(average_weights)
feature_weights = average_weights / weight_sum

# 输出权重最大的前10个特征
top_features = np.argsort(feature_weights)[-10:]
print('Top 10 features with highest weights:', top_features)

这段代码中，我们首先定义了一个包含3个卷积层和一个全连接层的3D CNN模型，并对其进行编译和训练。然后，我们通过`model.layers[0].get_weights()`获取第一层的权重，并使用`np.squeeze`函数去除不必要的维度。接着，我们计算每个特征的平均权重，将其进行归一化处理，得到每个特征的权重占比。最后，我们使用`np.argsort`函数获取权重最大的前10个特征的索引。