我正在使用 Tensorflow 1.12，它將 Keras 與 Python 3.6.x 集成在一起我希望使用 Keras 來簡化模型構建，但也希望使用中間層上的數據進行特征圖和內核的可視化，以更好地理解機器學習的工作原理（盡管這確實不那么明顯）我正在使用 mnist 數據庫和一個非?；镜?Keras 模型來嘗試做我想做的事情。這是代碼import tensorflow as tffrom tensorflow.keras import layersfrom tensorflow import kerasprint(tf.VERSION)print(tf.keras.__version__)tf.keras.backend.clear_session()mnist = tf.keras.datasets.mnist(x_train, y_train), (x_test, y_test) = mnist.load_data()x_train_shaped = np.expand_dims(x_train, axis=3) / 255.0x_test_shaped = np.expand_dims(x_test, axis=3) / 255.0def create_model():  model = tf.keras.models.Sequential([    keras.layers.Conv2D(32, kernel_size=(4, 4),strides=(1,1),activation='relu', input_shape=(28,28,1)),    keras.layers.Dropout(0.5),    keras.layers.MaxPooling2D(pool_size=(2,2), strides=(2,2)),    keras.layers.Conv2D(24, kernel_size=(8, 8),strides=(1,1)),    keras.layers.Flatten(),    keras.layers.Dropout(0.5),    keras.layers.Dense(128, activation=tf.nn.relu),    keras.layers.Dense(10, activation=tf.nn.softmax)  ])  model.compile(optimizer=tf.keras.optimizers.Adam(),             loss=tf.keras.losses.sparse_categorical_crossentropy,            metrics=['accuracy'])  return model以上設置了數據集和模型接下來我為 Tensorflow 定義我的會話并進行訓練。這一切都很好，但現在我想獲取我的數據，例如，第一層作為理想的 numpy 數組，我可以在上面進行可視化。我model.layers[0].output給了我Tensor的(?,25,25,32)預期，現在我嘗試做一個eval()和thenafter一個.numpy()方法來獲取我的結果。錯誤信息是You must feed a value for placeholder tensor 'conv2d_6_input' with dtype float and shape [?,28,28,1]我正在尋求有關如何將我的數據（32 個 25x25 像素的特征圖）作為 numpy 數組進行可視化的幫助。sess = tf.Session(graph=tf.get_default_graph())tf.keras.backend.set_session(sess)with sess.as_default():   model = create_model()   model.summary()   model.fit(x_train_shaped[:10000], y_train[:10000], epochs=2,    batch_size=64, validation_split=.2,)   model.layers[0].output   print(model.layers[0].output.shape)   my_array = model.layers[0].output   my_array.eval()tf.keras.backend.clear_session()sess.close()