改变中间激活/输出，观察TF2/Keras的预测

Question

假设我有一个简单的NN模型，对MNIST进行分类，如下所示:

model = models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10)
])

从第二层即密集层(激活relu后)提取输出张量，如下:

mid_layer = model.get_layer("dense")
get_output = K.function([model.layers[0].input], [mid_layer.output])

对于某些特定的数据输入x，我提取输出张量激活值现在:

mid_layer_outputs = get_output([test_images[0:1]])

并对其进行一些更改:

mid_layer_outputs = ...

现在，我希望模型从这一层修改后的输出值继续，并相应地预测结果。我该怎么做呢?

我试图从这一层开始构建另一个K.function([mid_layer_outputs], model.layers[-1].output)到最后，但我得到了以下错误:

AttributeError:"numpy。narray ' object没有属性'op'

这是可以理解的，因为它不能继续使用NP数组对象而不是模型层对象进行预测。我该怎么做呢?

Answer 1

我弄清楚了-我需要在第二个K.function中指定下一层输入，然后将修改后的输出传递给它:

get_pred = K.function([model.layers[2].input], model.layers[-1].output)
pred = get_pred([mid_layer_outputs])

根据这个答案，K.function运行我们在代码中创建的计算图，从第一个参数中获取输入，并根据所提到的层提取输出的数量。所以K.function([mid_layer_outputs], model.layers[-1].output)之前没有工作，因为我没有传递K.function使用并连接到输出的层，而是直接传递值。