基于EfficientNetB3架构生成CAM时构建grad_model出现Graph disconnected报错如何解决

你遇到的计算图断开错误，本质是因为你的模型为嵌套结构：efficientnet-b3本身是独立的Functional子模型，它内部的输入张量和外层sequential大模型的输入张量没有直接关联。你直接取子模型内部层的输出和外层大模型输入绑定构建新模型时，TensorFlow无法找到从大模型输入到子模型内部层的完整前向路径，因此抛出连通性错误。

你需要手动串起从大模型输入到目标卷积层输出、再到最终分类输出的完整前向路径，再基于这个路径构建梯度模型，参考可运行代码如下：

# 1. 提取各部分模块
efficientnet_submodel = model.layers[2]
# 可先打印efficientnet_submodel.summary()核对层索引，确认目标卷积层正确
last_conv = efficientnet_submodel.layers[-3]

# 2. 构建从大模型输入到目标卷积层输出、最终分类输出的完整路径
input_tensor = model.input
# 先走大模型前两层（sequential预处理层 + 归一化层）
x = model.layers[0](input_tensor)
x = model.layers[1](x)
# 提取EfficientNet子模型中从输入到目标卷积层的输出
conv_output = tf.keras.Model(efficientnet_submodel.input, last_conv.output)(x)
# 继续走后续层得到最终分类输出
x = efficientnet_submodel(x)
x = model.layers[3](x) # global_average_pooling2d
x = model.layers[4](x) # dropout
x = model.layers[5](x) # dense
final_output = model.layers[6](x) # 最终分类层dense_1

# 3. 构建连通的梯度模型
grad_model = tf.keras.Model(input_tensor, [conv_output, final_output])

构建完成后，后续Grad-CAM的梯度计算、热力图生成逻辑可以直接复用通用教程的代码。

• 运行前可先执行print(efficientnet_submodel.summary())核对layers[-3]确实是你需要的最后一层卷积输出，避免取到BN、激活层等非目标层
• 如果你的EfficientNet加载时设置了training=False，梯度计算时不需要调整，保持推理状态即可

内容的提问来源于stack exchange，提问作者Maximus