在大多数例子中，我看到我们希望在哪里看到中间层的输出值，似乎创建一个新模型是这样做的方法：
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，我不明白的是：这个模型到底做了什么？我们为什么需要它？我们不能只将输入馈送到具有这些层的原始模型，并直接汇集其层值吗？
你也必须训练这个新模型吗？
我什至无法想象任何图表可以代表这个新模型正在发生的事情......您添加另一个模型的输入层，然后添加另一个模型的随机中间层作为输出，并将输入馈送到它？
另外，这个新模型不会影响输出吗？它不会尝试学习或需要训练，或者层会从原始模型预先训练自己的权重，从而提供"改变"的输出值？
在您链接的常见问题解答文章中，这不是方法，而是一个简单的方法。
毕竟，Model只是一个带有方便 API 的层图(.train()、.predict()、IO 等(。
如果从另一个模型的输入层和输出层创建新模型，则实质上是获取具有相同便捷 API 的一部分。
此切片模型中的层与完整模型上的层相同，因此，如果模型一开始就经过训练，则此子模型也将如此。(很有可能，这些层只是对原始模型中层的引用，因此训练子模型也会训练(可能会导致不好的结果(主模型。