张量的流动
如果您已经构建了一个模型，可以结合使用 model.layers 和 tensorflow.keras.backend 来创建函数。给定一个有效的输入张量，该函数会返回对应的输出张量。
当我们想获取网络在某个中间层的输出时，这非常有用。
例如，若您获取了网络第 1 层的输入和输出，就可以构建一个 inp_to_out 函数，仅通过第 1 层对给定输入张量执行前向传播，并返回结果。
现在就来实践一下吧！
Banknote Authentication 数据集中的 X_test 和其对应的 model 已预加载。请在控制台输入 model.summary() 查看模型结构。
本练习是课程的一部分
Keras 深度学习入门
练习说明
- 导入
tensorflow.keras.backend，并命名为K。 - 使用
model.layers列表获取第 1 层的输入和输出引用。 - 使用
K.function()定义一个将inp映射到out的函数。 - 打印将
X_test传入第 1 层后的结果。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import tensorflow.keras backend
import ____
# Input tensor from the 1st layer of the model
inp = ____.____[____].input
# Output tensor from the 1st layer of the model
out = ____.____
# Define a function from inputs to outputs
inp_to_out = K.function([____], [____])
# Print the results of passing X_test through the 1st layer
print(____([____]))