为什么我们需要创建一个新模型来查看中间层的输出？
Why do we need to create a new model to see intermediate layers' outputs?
在大多数示例中，我看到我们希望在何处查看中间层的输出值，似乎创建一个新模型是可行的方法：
from keras.models import Model
model = ... # include here your original model
layer_name = 'my_layer'
intermediate_layer_model = Model(inputs=model.input,
outputs=model.get_layer(layer_name).output)
intermediate_output = intermediate_layer_model.predict(data)
（来源：https://keras.io/getting-started/faq/#how-can-i-obtain-the-output-of-an-intermediate-layer）
然而，我不明白的是：这个模型到底是做什么的？我们为什么需要它？我们不能直接将输入提供给具有这些层的原始模型，并直接汇集其层值吗？
你也要训练这个新模型吗？
我什至无法想象任何图表可以表示这个新模型正在发生的事情......你添加另一个模型的输入层，然后添加另一个模型的随机中间层作为输出，并提供输入到了吗？
还有，这个新模型不会影响产量吗？它会不会尝试学习或要求训练，或者该层会带来自己的权重，这些权重是从原始模型中预训练的，从而提供 "altered" 个输出值？
在您链接的常见问题解答文章中，这不是方式，这是一种简单的方式。
一个Model，毕竟只是一个带有方便的API层的图（.train()，.predict()，IO，...）。
如果你从另一个模型的输入和输出层创建一个新模型，你实际上是在获取它的一部分，它具有同样方便的 API。
此切片模型中的层与完整模型中的层相同，因此如果模型是从一开始就训练的，那么此子模型也会如此。 （很有可能，这些层只是对原始模型中层的引用，因此训练子模型也会训练（可能会导致不好的结果）主要模型。）
在大多数示例中，我看到我们希望在何处查看中间层的输出值，似乎创建一个新模型是可行的方法：
from keras.models import Model
model = ... # include here your original model
layer_name = 'my_layer'
intermediate_layer_model = Model(inputs=model.input,
outputs=model.get_layer(layer_name).output)
intermediate_output = intermediate_layer_model.predict(data)
（来源：https://keras.io/getting-started/faq/#how-can-i-obtain-the-output-of-an-intermediate-layer）
然而，我不明白的是：这个模型到底是做什么的？我们为什么需要它？我们不能直接将输入提供给具有这些层的原始模型，并直接汇集其层值吗？
你也要训练这个新模型吗？
我什至无法想象任何图表可以表示这个新模型正在发生的事情......你添加另一个模型的输入层，然后添加另一个模型的随机中间层作为输出，并提供输入到了吗？
还有，这个新模型不会影响产量吗？它会不会尝试学习或要求训练，或者该层会带来自己的权重，这些权重是从原始模型中预训练的，从而提供 "altered" 个输出值？
在您链接的常见问题解答文章中，这不是方式，这是一种简单的方式。
一个Model，毕竟只是一个带有方便的API层的图（.train()，.predict()，IO，...）。
如果你从另一个模型的输入和输出层创建一个新模型，你实际上是在获取它的一部分，它具有同样方便的 API。
此切片模型中的层与完整模型中的层相同，因此如果模型是从一开始就训练的，那么此子模型也会如此。 （很有可能，这些层只是对原始模型中层的引用，因此训练子模型也会训练（可能会导致不好的结果）主要模型。）