Python 访问在TF 2.0中未明确显示为层的Keras模型的中间张量

在Keras模型中有可能获得激活前张量吗？例如，给定此模型：

将tensorflow导入为tf
图像=tf.keras.Input（形状=[2242243]，批次大小=1）
vgg19=tf.keras.applications.vgg19（包括_top=False，weights='imagenet'，input_tensor=image，input_shape=image.shape[1:]，pooling=None）

访问层的常用方法是：

intermediate\u layer\u model=tf.keras.models.model（输入=图像，输出=[vgg19.get\u layer（'block1\u conv2'）.output]）
中间层模型摘要（）

这为一个层提供了ReLU输出，而我想要ReLU输入。我试着这样做：

graph=tf.function（vgg19[tf.TensorSpec.from_tensor（image）]）.get_concrete_function（）.graph
outputs=[graph.get_tensor_by_name（tname）for tname in[
“vgg19/block4_conv3/BiasAdd:0”，
“vgg19/block4_conv4/BiasAdd:0”，
'vgg19/区块5_conv1/BiasAdd:0'
]]
中间层模型=tf.keras.models.model（输入=图像，输出=输出）
中间层模型摘要（）

但是我得到了错误

ValueError:未知图形。流产。

我发现的唯一解决方法是编辑模型文件以手动公开中间层，将每一层如下所示：

x=layers.Conv2D（256，（3,3），activation=“relu”，padding=“same”，name=“block3\u conv1”）（x）

分为两层，第一层可在激活前访问：

x=layers.Conv2D（256，（3,3），activation=None，padding=“same”，name=“block3\u conv1”）（x）
x=layers.ReLU（name=“block3\u conv1\u ReLU”）（x）

---

有没有一种方法可以访问模型中的预激活张量，而无需编辑Tensorflow 2源代码，或者恢复到Tensorflow 1，它可以完全灵活地访问中间产物？

以获得每一层的输出。您必须定义一个keras函数，并为每个层计算它

请参考如下所示的代码

from tensorflow.keras import backend as K

inp = model.input                                           # input 
outputs = [layer.output for layer in model.layers]          # all layer outputs
functors = [K.function([inp], [out]) for out in outputs]    # evaluation functions

---

有关这方面的更多详细信息，请参阅。

以获取每层的输出。您必须定义一个keras函数，并为每个层计算它

请参考如下所示的代码

from tensorflow.keras import backend as K

inp = model.input                                           # input 
outputs = [layer.output for layer in model.layers]          # all layer outputs
functors = [K.function([inp], [out]) for out in outputs]    # evaluation functions

---

有关此问题的更多详细信息，请参阅。

是否回答了您的问题？该解决方案正是我所不具备的。这对回复那篇文章的人也不起作用，但他们得到了一个不同的错误。回答了你的问题吗？这个解决方案正是对我不起作用的。这对回复该帖子的人也不起作用，但他们会得到不同的错误。