Python 如何获得中间层的输出？

我在努力理解。我应该如何使用此代码：

from keras import backend as K
prediction_model = lstm_model(seq_len=1, batch_size=BATCH_SIZE, stateful=True)
prediction_model.load_weights('/tmp/bard.h5')

get_test_layer_output = K.function([prediction_model.layers[0].input],
                                  [prediction_model.layers[1].output])
layer_output = get_test_layer_output([x])[0]

要查看每个层后的值？或者是否有不同的方法来查看值（而不是形状）

---

对于要在Keras模型的层上执行的任何操作，首先，我们需要访问模型持有的

Keras.layers

对象列表

model_layers = model.layers

此列表中的每个图层对象都有自己的

输入

和

输出

张量（如果您使用的是TensorFlow后端）

如果您直接使用

tf.Session.run（）

方法运行输出张量，您将得到一个错误，说明在访问层的输出之前必须将输入馈送到模型

---

在运行模型之前，需要使用

tf.global\u variables\u initializer（）.run（）

初始化变量。

model.input

为模型的输入提供占位符张量。

对于要在Keras模型的层上执行的任何操作，首先，我们需要访问模型持有的

Keras.layers

对象列表

model_layers = model.layers

此列表中的每个图层对象都有自己的

输入

和

输出

张量（如果您使用的是TensorFlow后端）

如果您直接使用

tf.Session.run（）

方法运行输出张量，您将得到一个错误，说明在访问层的输出之前必须将输入馈送到模型

在运行模型之前，需要使用

tf.global\u variables\u initializer（）.run（）

初始化变量。

model.input

为模型的输入提供占位符张量

input_tensor = model.layers[ layer_index ].input
output_tensor = model.layers[ layer_index ].output

import tensorflow as tf
import numpy as np

layer_index = 3 # The index of the layer whose output needs to be fetched

model = tf.keras.models.load_model( 'model.h5' )
out_ten = model.layers[ layer_index ].output

with tf.Session() as sess:
    tf.global_variables_initializer().run()
    output = sess.run(  out_ten , { model.input : np.ones((2,186))}  ) 
    print( output )