Keras因其簡潔便用被越來越多的調參工程師接受了，它具有高可讀性的優勢，緣於它本身對程式碼的模組化封裝。高度模組化封裝之後，很多細粒度操作就變得比較困難了，要不停地閱讀它的技術document。
       如果對基於keras所搭建的模型的中間計算結果進行讀取，中文技術文件上提供了兩種方法，經過測試，兩種方法均可以使用。

文件連結如下：https://keras-cn.readthedocs.io/en/latest/for_beginners/FAQ/#intermediate_layer

方法1：重新構建一個模型

from keras import backend as K
model = load_model('xxx.h5')
layer_name = 'xx'
mid_model = Model(input=model.input,
                   output=model.get_layer(layer_name).output)
mid_ouput = mid_model.predict(x)[0]

重新構建一個模型，類似於輸出從中間截斷。

方法2：用函式得到

from keras import backend as K
mid_layer = K.function(
 
[model.layers[0].input],
                       [model.layers[-2].output])
mid_layer_output = mid_layer([X])[0]

用backend中的function來獲得，我的keras的後端是tensorflow，這個做法就等於直接用tf來獲得中間層輸出。

以上是對文件使用方法的一個解釋。真正在專案可以封裝成一個函式，以下給出了一個demo樣式：(由木盞本人編寫)

def get_layer_output(model, x, index=-1):
    """
    get the computing result output of any layer you want, default the last layer.
    :param model: primary model
    :param x: input of primary model( x of model.predict([x])[0])
    :param index: index of target layer, i.e., layer[23]
    :return: result
    """
 

    layer = K.function([model.input], [model.layers[index].output])
    return layer([x])[0]