Keras特征提取器疑问：输入x在Sequential模型中经过哪些层？

疑问 #

在TensorFlow Sequential模型的特征提取示例中，输入x进入my_intermediate_layer层之前是否会经过my_first_layer层？还是直接进入my_intermediate_layer层？如果是直接进入，输入未经过my_first_layer的Conv2D变换，这似乎不符合“输入应经过所有前置层”的认知，需要明确输入x会经过哪些层。

解答 #

输入x会依次经过my_first_layer层，再进入my_intermediate_layer层，最终输出my_intermediate_layer的处理结果。

具体解释：

• 构建feature_extractor时，它复用了initial_model的完整串联层结构，只是将输出节点指定为my_intermediate_layer的输出。
• Sequential模型的层是按定义顺序依次执行的，my_intermediate_layer在my_first_layer之后，输入必须经过前面所有层的处理才能到达该层。
• 这个特征提取器本质是原模型的子模型，截取了从输入到my_intermediate_layer的计算路径，同时保留了原模型训练好的权重参数。

示例代码 #

initial_model = keras.Sequential(
    [
        keras.Input(shape=(250, 250, 3)),
        layers.Conv2D(32, 5, strides=2, activation="relu", name="my_first_layer"),
        layers.Conv2D(32, 3, activation="relu", name="my_intermediate_layer"),
        layers.Conv2D(32, 3, activation="relu"),
    ]
)

# 模型训练过程
...

# 构建特征提取器
feature_extractor = keras.Model(
    inputs=initial_model.inputs,
    outputs=initial_model.get_layer(name="my_intermediate_layer").output,
)
# 测试输入
x = tf.ones((1, 250, 250, 3))
features = feature_extractor(x)

内容的提问来源于stack exchange，提问作者mon