tensorflow=2.0+

 

在使用tensorflow加载模型的时候有时候需要查看这个模型某一层的输出。

搭建一个简单的神经网络，识别cifar数据集：

点击查看代码

model = tf.keras.models.Sequential()
model.add(Flatten())
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(Dense(1024, activation='relu', name="dense_test1"))
model.add(Dense(2048, activation='relu', name="dense_test2"))
model.add(Dense(2048, activation='relu', name="dense_test3"))
model.add(Dense(2048, activation='relu', name="dense_test4"))
model.add(Dense(2048, activation='relu', name="dense_test5"))
model.add(Dense(10, activation='softmax', name="dense_test6"))

搭建好后进行训练可以得到一个训练好的神经网络

此时通过模型去识别cifar测试集

model.predict(x_test)#x_test是cifar数据集

可以得到预测结果，此时若想查看中间某一层的输出，比如全连接的第二层——dense_test2的输出怎么办呢。

这时候，可以直接截取此模型的子模型，直接将 dense_test2作为最后一层输出。

sub_model = tf.keras.Model(inputs = model.input, outputs = model.get_layer(dense_test2).output)
sub_model.predict(x_test)

 

这样就可以获取中间某一层的输出了。