可视化输入，以便在Keras中使用dropout最大化激活图层

Question

我正在尝试复制此博客文章How convolutional neural networks see the world

中的代码

它在没有丢失层的CNN中运行良好，但是当有一个（或多个）丢失层时，我不能直接使用layer.output行，因为它需要一个学习阶段。

当我使用推荐方法提取图层的输出时：

get_layer_output = K.function([model.layers[0].input,   K.learning_phase()],
                              [model.layers[layer_index].output])

layer_output = get_3rd_layer_output([input_img, 0])[0]

问题在于我不能在input_img中放置占位符，因为它需要“真实”数据，但如果我直接放入“真实”数据，则其余代码不起作用（造成损失） ，渐变和迭代需要一个占位符）。

我有办法让这项工作成功吗？

我正在使用Tensorflow后端。

编辑：我在执行构建模型之前使用K.set_learning_phase()方法解决了我的问题（我必须从新环境开始，并且在导入后立即使用该方法）。