添加的图层必须是图层类的实例。找到：Tensor("conv1d_12/Relu:0", shape=(?, 41, 64), dtype=float32)答案

【问题标题】：The added layer must be an instance of class Layer. Found: Tensor("conv1d_12/Relu:0", shape=(?, 41, 64), dtype=float32)添加的图层必须是图层类的实例。找到：Tensor("conv1d_12/Relu:0", shape=(?, 41, 64), dtype=float32)
【发布时间】：2019-10-11 12:52:39
【问题描述】：

我正在尝试创建一个cnn模型。我的代码如下：

from keras.layers import Convolution1D, Dense, Dropout, Flatten, MaxPooling1D
from keras.layers import Input, Dense, concatenate
from keras.layers import InputLayer
import keras
inputs = Input(shape=(41,1))
cnn = Sequential()
X=cnn.add(Convolution1D(64, 3, border_mode="same",activation="relu")(inputs))
X=cnn.add(Convolution1D(128, 3, border_mode="same", activation="relu"))
X=cnn.add(MaxPooling1D(pool_length=(2)))
X=cnn.add(Convolution1D(256, 3, border_mode="same", activation="relu"))
X=cnn.add(MaxPooling1D(pool_length=(2)))
X=cnn.add(Flatten())
X=cnn.add(Dense(128, activation="relu"))
X=cnn.add(Dropout(0.5))
X=cnn.add(Dense(2, activation="sigmoid"))
cnn.compile(loss="binary_crossentropy", optimizer="adam",metrics=['accuracy'])

使用以下代码行X=cnn.add(Convolution1D(64,3,border_mode="same",activation="relu", input_shape=(41, 1)))可以正常工作但我需要提取层输出，我正在使用以下代码行：

from keras.models import Model
intermediate_layer_model = Model(inputs= inputs, outputs=X)
intermediate_output = intermediate_layer_model.predict(Xtrain)

所以我需要将输入传递给我的 cnn 层，如果我硬编码我的 inputs_shape，我将无法这样做。但我上面的代码不起作用并给出以下错误：

请告诉我如何解决这个问题。

【问题讨论】：

明确一点，您是想使用上面提到的 CNN 模型进行预测，还是只是想输入数据，然后想看看每一层的输出（图像）如何？
正是我想看看每一层的输出。其实我想提取在各个层学到的特征。

标签： python tensorflow conv-neural-network keras-layer

【解决方案1】：

您可以使用函数“layer.output”获取每一层的输出，这里是 Tensorflow 文档的link。这个link 将为您提供如何准确地从馈送数据层获得输出。我不能用你提供的模型结构准确地告诉它，因为我现在在旅途中，也没有我的电脑。但是，如果这有帮助，请告诉我们。

【讨论】：

代码导致intermediate_layer_model = Model(inputs= inputs, outputs=X) 出现问题。否则它工作正常。