如何在Keras模型的每个epoch获取中间层输出？

你之前的思路方向是对的，问题出在Callback的实现上——只要在自定义Callback里用当前训练中的模型实例来构建中间层输出模型，就能拿到每个epoch对应的结果，完全不用保存整个模型。

具体代码实现 #

先写一个自定义的Callback类：

from tensorflow.keras.callbacks import Callback
from tensorflow.keras.models import Model
import numpy as np

class IntermediateLayerLogger(Callback):
    def __init__(self, target_layer, input_data, save_dir=None):
        super().__init__()
        self.target_layer = target_layer  # 要提取输出的中间层名称/实例
        self.input_data = input_data      # 用来计算中间层输出的输入数据
        self.save_dir = save_dir          # 可选：保存输出的文件夹
        self.epoch_outputs = []           # 存储所有epoch的中间层输出

    def on_epoch_end(self, epoch, logs=None):
        # 用当前训练后的模型，构建只输出目标层结果的轻量模型
        temp_model = Model(inputs=self.model.input,
                          outputs=self.model.get_layer(self.target_layer).output)
        # 计算输出，verbose=0避免打印冗余日志
        current_output = temp_model.predict(self.input_data, verbose=0)
        self.epoch_outputs.append(current_output)
        
        # 如果指定了保存路径，把当前epoch的输出存成npy文件
        if self.save_dir:
            np.save(f"{self.save_dir}/epoch_{epoch+1}_layer_output.npy", current_output)

然后在训练时把这个Callback加入即可：

# 假设你已有训练数据X_train、y_train，用来提取输出的测试数据X_test
# 以及你的Sequential模型model，目标中间层名为'my_layer'

# 初始化Callback
layer_logger = IntermediateLayerLogger(target_layer='my_layer', 
                                       input_data=X_test,
                                       save_dir='./epoch_layer_outputs')

# 启动训练
model.fit(X_train, y_train, epochs=15, callbacks=[layer_logger])

# 训练结束后，所有epoch的输出都存在layer_logger.epoch_outputs列表中
print(f"总共获取了{len(layer_logger.epoch_outputs)}个epoch的中间层输出")

核心原理 #

Callback内部的self.model是Keras自动传入的当前训练状态的模型实例——每个epoch训练完成后，该模型的权重已经更新，因此用它构建的临时模型计算出的就是当前epoch对应的中间层输出，不会只返回最后一个epoch的结果。

这种方式只会临时创建一个轻量的小模型（仅包含输入层到目标中间层的结构），计算完成后就会被回收，完全不需要保存完整模型，存储空间占用极小。

内容的提问来源于stack exchange，提问作者Doris L