Tensorflow 要检查Keras层内的中间操作吗

在卷积运算过程中，我将代码移植到仅支持半精度的嵌入式处理器上时，面临浮点分辨率损失的问题，因此我想测试在基于Keras的模型中逐层执行的中间操作，该模型在桌面上以全精度运行时表现良好

在下面的代码片段中，我想计算1500x3形状的输入数据上的1DConv。内核大小为10，内核形状为（10x3x16）

为了计算一维卷积，Keras在输入形状上展开维数，并向其再添加一个维数，这就适合于二维卷积运算

Input_sequence = keras.layers.Input(shape=(1500,3))
encoder_conv1 = keras.layers.Conv1D(filters=16, kernel_size=10, 
                                    padding='same', use_bias=False, 
                                    activation=None)(Input_sequence)

然后调用一系列操作，例如Conv2D，然后是挤压，最后是biaadd。 最后，Conv1D层的输出被推入 conv1d_20/Elu层

请查看随附的图片，了解有关操作的完整说明

现在，我想在产生层的实际输出之前测试输出

请参阅以下代码：

Input_sequence = keras.layers.Input(shape=(1500,3))
encoder_conv1 = keras.layers.Conv1D(filters=16, kernel_size=10, padding='same', activation=tf.nn.elu)(Input_sequence)

模型摘要显示：

Model: "model_5"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_5 (InputLayer)         [(None, 1500, 3)]         0         
_________________________________________________________________
conv1d_20 (Conv1D)           (None, 1500, 16)          496  

我想在conv1d_20/Conv2D定义模型输出，但它给了我错误。但以下内容在汇编时被接受

encoder = keras.Model(inputs=autoencoder.input, outputs=autoencoder.get_layer('conv1d_20').output)
encoder.get_output_at(0)

它输出

<tf.Tensor 'conv1d_20/Elu:0' shape=(?, 1500, 16) dtype=float32>

我想测试Conv2D操作的输出，但它会生成conv1d_20/Elu的输出

我怎样做这个测试。请帮帮我

在定义

Conv1D

操作时，您可以禁用偏差（

use_bias=False

）和激活功能（

activation=None

）

Input_sequence = keras.layers.Input(shape=(1500,3))
encoder_conv1 = keras.layers.Conv1D(filters=16, kernel_size=10, 
                                    padding='same', use_bias=False, 
                                    activation=None)(Input_sequence)