Python TensorRT之后是否有可能获得中间层输出？

我们现在有一个经过训练的分类网络。网络的顶端就像

因此，层relu_fc1类似于提取的特征，然后是softmax到类预测

现在我们想直接提取这些特征。在正常情况下，我们可以通过

y=sess.graph.get_tensor_by_name（'relu_fc1:0'））
sess.run（y，…）

这很好，但我们仍然希望加快速度，因此我们使用TensorRT转换保存的模型。但是，在转换之后，我们无法在relu_fc1中获得正确的张量，因为TensorRT将运算混合在一起，生成了类似TRTENgineOp_1的东西

我想知道有没有办法在TensorRT之后得到中间层的输出？我想也许我们更容易删除网络中的最后一层，然后再进行转换，但是找不到在tensorflow中删除层的实用材料。谢谢你的建议