如何从 Keras 模型中获取数据以进行可视化？

Question

我正在使用 Tensorflow 1.12，它将 Keras 与 Python 3.6.x 集成在一起我希望使用 Keras 来简化模型构建，但也希望使用中间层上的数据进行特征图和内核的可视化，以更好地理解机器学习的工作原理（尽管这确实不那么明显）我正在使用 mnist 数据库和一个非常基本的 Keras 模型来尝试做我想做的事情。这是代码import tensorflow as tffrom tensorflow.keras import layersfrom tensorflow import kerasprint(tf.VERSION)print(tf.keras.__version__)tf.keras.backend.clear_session()mnist = tf.keras.datasets.mnist(x_train, y_train), (x_test, y_test) = mnist.load_data()x_train_shaped = np.expand_dims(x_train, axis=3) / 255.0x_test_shaped = np.expand_dims(x_test, axis=3) / 255.0def create_model():  model = tf.keras.models.Sequential([    keras.layers.Conv2D(32, kernel_size=(4, 4),strides=(1,1),activation='relu', input_shape=(28,28,1)),    keras.layers.Dropout(0.5),    keras.layers.MaxPooling2D(pool_size=(2,2), strides=(2,2)),    keras.layers.Conv2D(24, kernel_size=(8, 8),strides=(1,1)),    keras.layers.Flatten(),    keras.layers.Dropout(0.5),    keras.layers.Dense(128, activation=tf.nn.relu),    keras.layers.Dense(10, activation=tf.nn.softmax)  ])  model.compile(optimizer=tf.keras.optimizers.Adam(),             loss=tf.keras.losses.sparse_categorical_crossentropy,            metrics=['accuracy'])  return model以上设置了数据集和模型接下来我为 Tensorflow 定义我的会话并进行训练。这一切都很好，但现在我想获取我的数据，例如，第一层作为理想的 numpy 数组，我可以在上面进行可视化。我model.layers[0].output给了我Tensor的(?,25,25,32)预期，现在我尝试做一个eval()和thenafter一个.numpy()方法来获取我的结果。错误信息是You must feed a value for placeholder tensor 'conv2d_6_input' with dtype float and shape [?,28,28,1]我正在寻求有关如何将我的数据（32 个 25x25 像素的特征图）作为 numpy 数组进行可视化的帮助。sess = tf.Session(graph=tf.get_default_graph())tf.keras.backend.set_session(sess)with sess.as_default():   model = create_model()   model.summary()   model.fit(x_train_shaped[:10000], y_train[:10000], epochs=2,    batch_size=64, validation_split=.2,)   model.layers[0].output   print(model.layers[0].output.shape)   my_array = model.layers[0].output   my_array.eval()tf.keras.backend.clear_session()sess.close()