私のモデルは、数字の画像（MNIST dataset）でトレーニングされています。ネットワークの2番目のレイヤーの出力（128個の数値の配列）を印刷しようとしています。

多くの例を読んだ後-たとえば、これ、これ、またはこれ。

私は自分のネットワークでこれをどうにかしてできませんでした。どちらのソリューションも自分のアルゴリズムでは機能しません。

Colabへのリンク：https ://colab.research.google.com/drive/1MLbpWJmq8JZB4_zKongaHP2o3M1FpvAv?fbclid=IwAR20xRz2i6sFS-Nm6Xwfk5hztdXOuxY4tZaDRXxAx3b98AHGaToa9

さまざまなエラーメッセージが多数表示されました。ひとつひとつ処理しようとしたのですが、自分ではわかりませんでした。

何が欠けていますか？セカンドレイヤーを出力するには？ 私の形状が(28,28)-のタイプと値はinput_shape何ですか？

失敗した試行とエラーの例：

（1）

for layer in model.layers:

    get_2nd_layer_output = K.function([model.layers[0].input],[model.layers[2].output])
    layer_output = get_2nd_layer_output(layer)[0]
    print('\nlayer output: get_2nd_layer_output=, layer=', layer, '\nlayer output: get_2nd_layer_output=', get_2nd_layer_output)

TypeError：入力はリストまたはタプルである必要があります。

（2）

input_shape=(28, 28)
inp = model.input                                           # input placeholder
outputs = [layer.output for layer in model.layers]          # all layer outputs
functor = K.function([inp, K.learning_phase()], outputs )   # evaluation function

# Testing
test = np.random.random(input_shape)[np.newaxis,...]
layer_outs = functor([test, 0.])
print('layer_outs',layer_outs)

tensorflow.python.framework.errors_impl.FailedPreconditionError：コンテナーからリソース変数デンス_1 /バイアスを読み取る際のエラー：ローカルホスト。これは、変数が初期化されていないことを意味する場合があります。見つかりません：コンテナーlocalhostは存在しません。（リソースが見つかりませんでした：localhost / dense_1 / bias）[[{{node density_1 / BiasAdd / ReadVariableOp}}]]

古いケラス（tensorflow 2.0以前import keras）と新しいケラス（from tensorflow import keras）を混ぜているようです。

古いkerasをtensorflow> = 2.0と一緒に使用しないようにしてください（最初のリンクのように古いドキュメントを参照しないでください）。これは新しいkerasと簡単に混同されます（厳密に非論理的なものはありません）。

from tensorflow import keras
from keras.models import Model
print(Model.__module__) #outputs 'keras.engine.training'

from tensorflow.keras.models import Model
print(Model.__module__) #outputs 'tensorflow.python.keras.engine.training'

これら2つのライブラリを混合すると、動作が非常に不安定になります。

これが完了すると、あなたが試したものからの回答を使用して、mがモデルでありmy_input_shape、モデル入力の形状、つまり1つの画像の形状（ここでは（28、28）または（1、28、28）を持っている場合）バッチ）：

from tensorflow import keras as K
my_input_data = np.random.rand(*my_input_shape) 
new_temp_model = K.Model(m.input, m.layers[3].output) #replace 3 with index of desired layer
output_of_3rd_layer = new_temp_model.predict(my_input_data) #this is what you want

1つの画像があるimg場合は、直接書き込むことができますnew_temp_model.predict(img)

（TF2を想定）

最も簡単な方法は、レイヤーに名前を付けて標準入力で呼び出すことです。そのため、モデルは次のようになります。

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28), name='flatten'),
    keras.layers.Dense(128, activation='relu', name='hidden'),
    keras.layers.Dense(10, activation='softmax')
])

次に、入力を作成し、

my_input = tf.random.normal((1, 28, 28)) # Should be like the standard input to your network
output_of_flatten = model.get_layer('flatten')(my_input)
output_of_hidden = model.get_layer('hidden')(output_of_flatten)

output_of_hidden あなたが探しているものです

代替アプローチ

より一般的なソリューションを探している場合、モデルがシーケンシャルであると仮定すると、次indexのget_layerようなキーワードを使用できます

my_input = tf.random.normal((1, 28, 28)) # Should be like the standard input to your network
desired_index = 1  # 1 == second layer

for i in range(desired_index):
    my_input = model.get_layer(index=i)(my_input)

このループの終わりにmy_inputあなたが探しているはずです