Python 添加的层必须是类层的实例。发现：张量（“conv1d”u12/Relu:0”，shape=（？，41，64），dtype=float32）

我正在尝试创建一个cnn模型。我的代码如下：

from keras.layers import Convolution1D, Dense, Dropout, Flatten, MaxPooling1D
from keras.layers import Input, Dense, concatenate
from keras.layers import InputLayer
import keras
inputs = Input(shape=(41,1))
cnn = Sequential()
X=cnn.add(Convolution1D(64, 3, border_mode="same",activation="relu")(inputs))
X=cnn.add(Convolution1D(128, 3, border_mode="same", activation="relu"))
X=cnn.add(MaxPooling1D(pool_length=(2)))
X=cnn.add(Convolution1D(256, 3, border_mode="same", activation="relu"))
X=cnn.add(MaxPooling1D(pool_length=(2)))
X=cnn.add(Flatten())
X=cnn.add(Dense(128, activation="relu"))
X=cnn.add(Dropout(0.5))
X=cnn.add(Dense(2, activation="sigmoid"))
cnn.compile(loss="binary_crossentropy", optimizer="adam",metrics=['accuracy'])

它可以很好地处理以下代码行

X=cnn.add（卷积1d（64,3，border_mode=“same”，activation=“relu”，input_shape=（41,1））

但我需要提取层输出，我正在使用以下代码行进行提取：

from keras.models import Model
intermediate_layer_model = Model(inputs= inputs, outputs=X)
intermediate_output = intermediate_layer_model.predict(Xtrain)

所以我需要将输入传递到cnn层，如果我硬编码输入的形状，我就无法这样做。但我的上述代码不起作用，并出现以下错误：

---

请告诉我如何解决这个问题。

您可以使用函数“layer.output”获得每一层的输出，下面是Tensorflow中的文档。这将为您提供如何准确地从层中获取输入数据的输出。

---

我不能确切地告诉它与您提供的模型结构，因为我现在正在进行中，没有我的电脑与我太。但请让我们知道这是否有帮助

为了清楚起见，你是想使用上述CNN模型进行预测，还是只想输入数据，然后想看看每一层的输出（图像）是什么样子的？我确实想看看每一层的输出。实际上，我想提取在各个层学习到的功能。代码导致中间层模型出现问题（输入=输入，输出=X）。否则就可以了。