Tensorflow 如何在培训期间批量激活图层

我正在使用Keras（带有tensorflow后端），并试图在训练期间在我的训练集上获得图层输出（实际激活）（使用“fit”功能）

是否有任何方法可以将用于培训的最后一批的激活作为on_batch_end回调的一部分？或者以任何其他方式访问输出层

我在下面找到了这段代码，但它在新数据上再次向前传递。我正试图利用我的网络已经做了一个向前传递的事实，作为批处理本身培训的一部分，只是拉当前激活，这是可能的吗

 def get_activations(model, model_inputs, print_shape_only=False, layer_name=None):
        print('----- activations -----')
        activations = []
        inp = model.input

        model_multi_inputs_cond = True
        if not isinstance(inp, list):
            # only one input! let's wrap it in a list.
            inp = [inp]
            model_multi_inputs_cond = False

        outputs = [layer.output for layer in model.layers if
                   layer.name == layer_name or layer_name is None]  # all layer outputs

        funcs = [K.function(inp + [K.learning_phase()], [out]) for out in outputs]  # evaluation functions

        if model_multi_inputs_cond:
            list_inputs = []
            list_inputs.extend(model_inputs)
            list_inputs.append(0.)
        else:
            list_inputs = [model_inputs, 0.]

        # Learning phase. 0 = Test mode (no dropout or batch normalization)
        # layer_outputs = [func([model_inputs, 0.])[0] for func in funcs]
        layer_outputs = [func(list_inputs)[0] for func in funcs]
        for layer_activations in layer_outputs:
            activations.append(layer_activations)
            if print_shape_only:
                print(layer_activations.shape)
            else:
                print(layer_activations)
        return activations

---

AFAIK、fit函数或回调函数都没有这种能力。如果您不想执行第二次传递，我建议您实现自己的训练循环，而不是使用

fit

函数。即使批量进行训练，我如何在一次传递中完成？好吧，fit函数或回调函数没有这种能力。如果您不想进行第二次训练，我建议您实施自己的训练循环，而不是使用

fit

功能。即使是批量训练，如何在一次训练中完成？