Python 尝试使用.get_layer方法在Keras中创建模型时，图形断开连接

在普通代码中，我执行类似的操作，并且一切正常：

from keras.layers import Input, Dense
from keras.models import Model
import keras.backend as K
import numpy as np
import tensorflow as tf
from sklearn.datasets import make_blobs

X, y = make_blobs(500,50,2)

def make_network1():
    input_layer = Input((50,))
    layer1 = Dense(100,name='network1_dense1')(input_layer)
    output = Dense(50,name='network1_dense2')(layer1)
    model = Model(input_layer,output)

    return model

def make_network2():
    input_layer = Input((50,))
    layer1 = Dense(100,name='network2_dense1')(input_layer)
    output = Dense(1,name='network2_output')(layer1)
    model = Model(input_layer,output)

    return model

network1 = make_network1()
network2 = make_network2()
output = network2(network1.output)

model = Model(network1.input, output)

现在，我想通过将最后一行代码替换为以下内容来试验Keras中的

.get_layer

方法和

.output

属性：

model = Model(network1.input, network2.get_layer('network2_output').output)

然后它给出了以下错误：

图形已断开连接：无法获取张量的值 “input_4”层的张量（“input_4:0”，shape=（？，50），dtype=float32）。 访问以下以前的层时没有问题：[]

我的问题 但是，不应该是

output

和

network2.get\u layer（'network2\u output'）。output

是一样的吗？当我试着把它们都打印出来时，上面写着：

张量（“model_14/network2_output/BiasAdd:0”，shape=（？，1），dtype=float32）

及

张量（“网络2_输出_1/BiasAdd:0”，形状=（？，1），数据类型=浮点32）

而

network2

已经连接到

network1

的输出，我不明白为什么会断开连接。如何使代码与

.get\u层

和

输出

方法一起工作

---

我正在使用keras==2.24和tensorflow gpu==1.5。

在运行这一行之后：

output = network2(network1.output)

network2

模型有两个计算流：一个是运行

make_network2（）

时构造的原始计算流，另一个是运行上述行时构造的带有

network1.output

的计算流。因此，它将有两个输出，分别对应于这两个计算流：

>>> network2.get_output_at(0)
<tf.Tensor 'network2_output_4/BiasAdd:0' shape=(?, 1) dtype=float32>

>>> network2.get_output_at(1)
<tf.Tensor 'model_14/network2_output/BiasAdd:0' shape=(?, 1) dtype=float32>

本质上，

network2.get\u output\u at（1）

相当于在此行中获得的

output

：

output=network2（network1.output）

不应为output和network2.get\u层（'network2\u output'）。output 同样的事情

不！，它们不是一回事。 让我解释一下这里发生了什么

network1 = make_network1()
network2 = make_network2()
output = network2(network1.output)

首先创建两个模型，每个层有一个输入，然后用第一个模型的最后一个层输出替换第二个模型的输入。这样，您就可以将

输出

变量的输入作为第一个模型的输入。因此，

网络1.输入

和

输出

连接起来。 但是在下一行中，

network1.input

和

network2.get\u层（'network2\u output'）。output

model = Model(network1.input, network2.get_layer('network2_output').output)

---

我现在明白了。如果我想得到中间层的输出呢？我找不到任何等价的

。get\u layer\u output\u at（）

。只是好奇是否可以对中间层而不是最后的输出层做类似的事情。@RavenCheuk没有，因为您已经在

network1.output

上应用了整个

network2

模型，并且由于

model

类继承自Keras中的

layer

类，它可以单独应用于张量。此外，实现模型的调用方法，使得中间层的内部属性不被更新；相反，调用它们只是为了获得它们的输出。因此，我们只能访问模型的新符号输出，而不能访问模型中间层的符号输出。是否有可能强制新输入作为network2的唯一输入？我想通过将几个组件（1个函数1个组件）拼接在一起来创建我的神经网络。然而，我不确定这样做是否正确

model = Model(network1.input, network2.get_layer('network2_output').output)