Question

在大多数示例中，我看到了我们想要查看中间层的输出值的地方，看来创建新模型是一种方法：

from keras.models import Model

model = ...  # include here your original model

layer_name = 'my_layer'
intermediate_layer_model = Model(inputs=model.input,
                                 outputs=model.get_layer(layer_name).output)
intermediate_output = intermediate_layer_model.predict(data)

（来源：https://keras.io/getting-started/faq/#how-can-i-obtain-the-output-of-an-intermediate-layer）

但是，我不了解的是：这个模型到底做了什么？我们为什么需要它？我们不能只将输入提供给具有这些图层的原始模型，然后直接合并其图层值吗？

您还必须训练这种新模型吗？

我什至无法想象有任何图可以代表这个新模型发生了什么...您添加了另一个模型的输入层，然后添加了另一个模型的随机中间层作为输出，并向其提供输入？

此外，这个新模型不会影响输出吗？它是否会尝试学习或需要培训，还是该层从原始模型中预先训练了自己的权重，从而提供了“更改的”输出值？

Answer 1

在您链接的FAQ文章中，这不是方式，而是一种简单的方法。

毕竟，Model只是具有方便的API（.train()，.predict()，IO，...）的层图。

如果从另一个模型的输入和输出层创建一个新模型，则实际上是在抓取具有相同便捷API的切片。

此切片模型中的图层与完整模型上的图层相同，因此，如果训练该模型开始，则此子模型也将如此。（很可能，这些层只是对原始模型中各层的引用，因此训练子模型也将训练（可能会导致不良结果）主模型。）

为什么我们需要创建一个新模型来查看中间层的输出？

1 个答案: