如何在keras层中保存numpy数组'；s调用方法

我使用tensorflow 2.1和自定义层，如下所示：

class Mylayer(KL.layer):
    def __init__(self, name):
        super(Mylayer, self).__init__(name)
        self.conv = KL.Conv2D(32)

    def call(self, inputs):
        outputs = self.conv(inputs)
        np.save('outputs.npy', outputs)
        return outputs

然而，无论我是否在train_步骤修饰tf.function，

np.save

表示无法将符号张量转换为numpy数组。如果我在不使用tf.function的情况下更改为

np.save（'outputs.txt'，outputs.numpy（））

，则表明tensor对象没有属性numpy。另外，当不使用tf.function时，

call（）

函数似乎会被调用两次，第一次使用符号张量，第二次使用渴望张量

---

如何在call（）中保存张量值？

Keras模型隐式编译为静态图，无论您是否在call方法中使用

@tf.function

。因此，所有的张量都是

tf.Tensor

类型，而不是

tf.Tensor

类型，因此没有

numpy（）

方法

要克服这个问题，只需将

dynamic=True

传递给使用该层的模型的构造函数。然后，您将能够使用

numpy（）

方法

---

但请记住，这样做可能会显著增加训练和推理时间。

为什么不保存输出，而不是从调用方法内部保存？因为我使用pytorch版本的预训练权重，我想逐层验证所有输出我不明白这会如何改变任何东西。您有一个MyLayer，当您创建使用它的模型时，获取它的输出，并将其作为输出添加到模型中。MyLayer只是一个示例。我实现的实际层是OctConv（）。我的模型由一系列OCTCONV组成。因此，收集所有的高/低频输出会使模型的输出非常大。在实践中，实际的方法调用不会得到太多调用。它只是帮助创建图表。如果不能一次处理这么多输出，则可以将模型分离为多个模型，并链接输出。听起来很痛苦，我很想知道你对这个问题是否有一个好的答案。您还可以研究tensorboard是如何处理这个问题的，因为它可以让您监视张量。我只在层的构造函数中找到

动态的
，并将
作为模型的属性热切地运行。我应该为每个层设置
dynamic=True
，还是为整个模型设置
run\u
就足够了？
run\u就足够了。