TF1 获取神经网络的中间层输出【以 tf.layers.dense为例】

关于如何获取某一个tensor，大家可能很快就能想到使用tf.get_default_graph().get_tensor_by_name()这个函数。对于普通的tensor或者op其实到这就完成了。但由于layer的一些特殊性，我们需要进一步的了解。那就从最直觉的做法，看看会发生什么。

一个BUG

import tensorflow as tf
import numpy as np

inputs = tf.placeholder(tf.float32, [None, 3])
layer_out = tf.layers.Dense(5, name="outputs_1")(inputs)
output = tf.layers.Dense(1, name="outputs_2")(layer_out)
with tf.Session() as sess:
    sess.run(init)
    mat = np.ones([2,3])
    fout = sess.run(tf.get_default_graph().get_tensor_by_name("outputs_1:0"), feed_dict={inputs:mat})
    print(fout)
1
2
3
4
5
6
7
8
9
10
11

正确运行后，你就收到如下的报错提示

KeyError: " The name ‘outputs_1:0’ refers to a Tensor which dose not exist. The operation, ‘outputs_1’ does not exist in the graph."

此时，你肯定地铁老人看手机，满脸不理解。怎么可能，我明明指定了name='outputs_1’啊。
我们不妨冷静地看看报错信息，这里面提到outputs_1不作为一个op存在。然后你可以试试将 get_tensor_by_name括号中换成outputs_1/kerner:0。诶，这会正常输出了，这至少说明了name那边指定是正常的。
那顺着报错信息思考，虽然指定了name，但会不会这个name确实不代表op，而是代表其他。

layers.dense中name指代什么

那么我们就来看layers.dense这里的name指代的到底是啥。
dense层具有偏差bias和权重weight参数，因此在命名时，是将命名整个layer为“outputs_1”，而并不是对这个layer的输出张量tensor进行命名。

将名为"outpus_1"的结点展开后为：

所以，到此我们就能知道报错的原因了。但是如何实现我们的需求呢？

获取中间层输出

在这里有两种办法，一种是在网络层定义的过程进行修改，一种是利用默认命名规则实现。

方法一

使用tf.identity()函数来定义一个网络层输出的替代节点。具体如下：

import tensorflow as tf
import numpy as np

inputs = tf.placeholder(tf.float32, [None, 3])
layer_out = tf.layers.Dense(5, name="outputs_1")(inputs)
fl_out = tf.identity(layer_out, name="fout")
output = tf.layers.Dense(1, name="outputs_2")(layer_out)

init = tf.initialize_all_variables()
with tf.Session() as sess:
    sess.run(init)
    mat = np.ones([2,3])
    fout = sess.run(tf.get_default_graph().get_tensor_by_name("fout:0"), feed_dict={inputs:mat})
    print(fout)
1
2
3
4
5
6
7
8
9
10
11
12
13
14

方法二

我们观察上面的网络节点图，我们可以发现BiasAdd 这个默认命名的结点其实就是该层最终的输出结果节点，所以我们也可以直接根据该名字进行获取。
下面的代码显示了如何获取该结点并基于该结点进行额外的操作。

import tensorflow as tf
import numpy as np

inputs = tf.placeholder(tf.float32, [None, 3])
layer_out = tf.layers.Dense(5, name="outputs_1")(inputs)
output = tf.layers.Dense(1, name="outputs_2")(layer_out)

graph = tf.get_default_graph()
tmp = graph.get_tensor_by_name("outputs_1/BiasAdd:0")
ans = tf.add(tmp, tf.ones([2,5]))
init = tf.initialize_all_variables()
with tf.Session() as sess:
    sess.run(init)
    mat = np.ones([2,3])
    [ans, fout] = sess.run([ans, tf.get_default_graph().get_tensor_by_name("outputs_1/BiasAd:0")], feed_dict={inputs:mat})
    print(fout)
    print(ans)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

Ref

获取tf.layers,dense的输出