TensorFlow 1.15 中间层输出转换为 Numpy 数组

以下是使用 TensorFlow 1.15 将网络中间层输出转换为 Numpy 的示例代码：

import tensorflow as tf
import numpy as np

# 假设我们有一个包含 3 个全连接层的神经网络
input_data = tf.placeholder(tf.float32, shape=[None, 784])
hidden_layer1 = tf.layers.dense(input_data, 256, activation=tf.nn.relu)
hidden_layer2 = tf.layers.dense(hidden_layer1, 128, activation=tf.nn.relu)
output_layer = tf.layers.dense(hidden_layer2, 10)

# 定义一个 Session 并初始化所有变量
sess = tf.Session()
sess.run(tf.global_variables_initializer())

# 假设我们想要获取第二个隐藏层的输出
hidden_layer2_output = sess.run(hidden_layer2, feed_dict={input_data: some_input_data})

# 将输出转换为 Numpy 数组
hidden_layer2_output_np = np.array(hidden_layer2_output)

在这个例子中，我们首先定义了一个包含 3 个全连接层的神经网络，并将输入数据放入占位符中。然后，我们定义了一个 Session 并初始化所有变量，接着我们运行了第二个隐藏层的输出，并使用 Numpy 将其转换为数组。注意，我们使用 sess.run 来运行图中的操作，并使用 feed_dict 参数将输入数据传递给占位符。