基于TensorFlow Functional API构建特征提取模型后，为何features.layers输出包含VGG19全部层？

这是个很容易搞混的点，我来帮你拆解清楚：

• 当用TensorFlow的Functional API创建Model时，模型会自动包含从输入到你指定的所有输出层之间的全部依赖层。毕竟要计算你选中的那些层的输出，必须依赖前面所有层的计算结果——总不能跳过前面的卷积、池化层，直接得到后面层的输出吧？

  你的代码里layer_outputs = layer_outputs[22:-1]指定了VGG19中间到倒数第二层的输出，但这些层的输出完全建立在前面所有层（包括输入层、前22层）的基础上。所以新模型features必须把这些前置层都包含进来，才能正确算出你要的特征输出。

• 你看到的features.layers显示全部VGG层，这是模型的完整层集合（用于构建完整计算图），但模型的实际输出确实是你指定的那些层的结果。可以用下面的代码验证：

  print(f"输出层数量: {len(features.outputs)}")
  print("各输出层形状:")
  for idx, output in enumerate(features.outputs):
      print(f"第{idx}个输出: {output.shape}")
  

  运行后你会发现，输出的数量和形状正好对应你选的layer_outputs[22:-1]的那些层。

• 如果想确认哪些是你实际输出的目标层，直接打印layer_outputs，或者用features.output_names查看输出的层名称就可以了。

总结一下：features.layers展示的是模型计算所需的全部依赖层，而features.outputs才是你真正要提取的特征输出。这是TensorFlow构建计算图的正常行为，完全不影响你做特征提取的功能~

内容的提问来源于stack exchange，提问作者Davinder Pal Singh