官方文檔很全面，搜索功能也很好。但是如果你想單獨實現某個功能，根本無從搜尋。於是我寫了這個筆記。從功能出發。
兩個tensor經過一個layer實例會產生兩個輸出。
a = Input(shape=(280, 256)) b = Input(shape=(280, 256)) lstm = LSTM(32) encoded_a = lstm(a) encoded_b = lstm(b) lstm.output
這個代碼有錯誤，因為最後一行沒有指定lstm這個layer實例的那個輸出。
>> AttributeError: Layer lstm_1 has multiple inbound nodes, hence the notion of "layer output" is ill-defined. Use `get_output_at(node_index)` instead.
所以如果想要得到多個輸出中的一個：
assert lstm.get_output_at(0) == encoded_a
assert lstm.get_output_at(1) == encoded_b
補充知識：kears訓練中如何實時輸出卷積層的結果？
在訓練unet模型時，發現預測結果和真實結果幾乎完全差距太大，想著打印每層輸出的結果查看問題在哪？
但是發現kears只是提供了訓練完成後在模型測試時輸出每層的函數。並沒有提供訓練時的函數，同時本著不對原有代碼進行太大改動。最後實現了這個方法。
即新建一個輸出節點添加到現有的網絡結構裡面。
#新建一個打印層。 class PrintLayer(Layer): #初始化方法，不須改變 def __init__(self, **kwargs): super(PrintLayer, self).__init__(**kwargs) #調用該層時執行的方法 def call(self, x): x = tf.Print(x,[x],message="x is: ",summarize=65536) #調用tf的Print方法打印tensor方法，第一個參數為輸入的x，第二個參數為要輸出的參數，summarize參數為輸出的元素個數。 return x; #一定要返回tf.Print()函數返回的變量，不要直接使用傳入的變量。 #接著在網絡中引入 conv9 = Conv2D(2, 3, activation = 'relu', padding = 'same', kernel_initializer = 'he_normal')(conv9) print11 = PrintLayer()(conv9) conv10 = Conv2D(1, 1, activation = 'sigmoid')(print11) #PrintLayer層處理的結果一定要在下一層用到，不然不會打印tensor。該結點可以加在任何結點之間。
[ml5rwbikls ] keras 獲取某層輸出 獲取複用層的多次輸出實例已經有280次圍觀
