Keras 使用TensorBoard实现共享层可视化

使用函数API，我指定了一个复杂的模型。我多次重复使用此模型，如下所述：

def build_model（）：
#建立模型
模型=模型（…，name=“复杂模型”）
回归模型
复杂_模型=构建_模型（）#返回Keras模型
输入=输入（…）
输入_b=输入（…）
inst_a=复杂_模型（输入_a）
inst_b=复杂_模型（输入_b）
合并=…#合并仪表a、仪表b
输出=密集（…，name=“last_Dense”）（合并）
模型=模型（输入=[输入a，输入b]，输出=输出）
model.compile（…）
model.fit（…，回调=…）#回调见下文

我想用TensorBoard可视化一些层的权重。这可以很容易地为最后一个密度层，如

ks.callbacks.TensorBoard（…，embeddings\u freq=1，embeddings\u layer\u names=[“last\u dense”]）

但是如何访问复杂模型中的层呢？ 假设我想访问名为first_dense的层，以下两种方法都不起作用：

ks.callbacks.TensorBoard（…，embeddings\u freq=1，embeddings\u layer\u names=[“first\u dense”]
TensorBoard（…，embeddings\u freq=1，embeddings\u layer\u names=[“复杂模型/第一密度”]

相反，它抛出了一个

ValueError:没有要保存的变量

是否有可能访问此层？如果有，如何访问