Tensorflow 如何将任何Keras层作为单个层运行以了解其行为？

为了了解任何Keras层的实现（例如，

Conv2DTranspose

），是否有办法将该层作为独立层运行（使用Tensorflow后端）？

您可以提取Keras中每个层的权重，并使用它初始化相同类型的新层的权重。然后用这个新层作为模型，只需进行预测。如果该层不是第一层，则必须使用所有层重新创建模型，直到需要的层，使用训练模型中的权重初始化它们的权重，其余的都是相同的。

我找到了一种开发简单单层模型的方法

keras_model = Sequential()
keras_model.add(Conv2DTranspose(32, (2, 2), strides=(2, 2), input_shape=(32, 32, 3), name='trans'))
keras_model.compile(loss=keras.losses.categorical_crossentropy, optimizer=keras.optimizers.SGD())
keras_model.summary()
keras_model.save('model.h5')

我是这样做的：

image_t = ds.make_one_shot_iterator().get_next() 
inputs = Input(shape=(224, 224, 3))
conv = Conv2D(16, (3, 3), padding='same')(inputs)
m = Model(inputs=inputs, outputs=conv)
m.compile(loss='mse', optimizer='rmsprop')  # loss and optimizer do not matter really
m.summary()

with tf.Session() as sess:                                                                                                                                                                                                                                        
   image = sess.run([image_t])                                                                                                                                                                                                                                         
   out = m.predict(image)[0]  

---

我想，我只对一个单层的模型感兴趣，或者只对一个我可以独立处理的层感兴趣。好的，我理解，但是如果有4个Conv层，第3个将第2层（特征图）的输出作为输入，而不是图像。您认为您将如何创建该要素图？或者你会给图层什么作为输入？我写的原因是，有没有办法解决我的问题。不，这就是重点。这就是为什么我用这些问题写了评论。。。有一件事要做，但我不会那样做。如果您使用的是Keras functional API，那么您可以在所需层之前保存该层的一些输出并观察它。然后创建一个只包含一个层的模型，即您想要查看的层，并使用来自模型的同一层的权重初始化它的权重，然后输入您保存的上一层的输出图像，并查看发生了什么。但是你将看不到太多，因为在我在下面的线程中为keras编写tensorflow代码作为答案之前，你无法理解层中发生了什么。