我想從我的 CNN 模型的最后一個密集層中提取特征。但是，我與我所做的所有谷歌研究非常矛盾。Tensorflow 有很多不同的方法，我正在努力尋找一些有用的方法。我已經成功地在 CIFAR10 上訓練了一個模型。我已將模型保存到一個目錄并有一個 saved_model.pb 文件。我已經通過 tensorboard 可視化了模型，但不完全確定我的最后一層的名稱。可視化看起來有點混亂。我怎樣才能繼續提取這些特征？我想將它們用于 t-SNE 分析。我正在嘗試使用 gfile 加載 pb 圖，但不確定這是否是正確的方法。謝謝。import tensorflow.compat.v1 as tftf.disable_v2_behavior()from tensorflow.python.platform import gfilepb_graph_file = '../data/processed/saved_models/saved_model.pb'f = gfile.GFile(pb_graph_file, 'rb')graph_def = tf.GraphDef()f.close()我的 Keras Sequential 模型如下所示：    """    This is the CNN model's architecture    """    weight_decay = 1e-4    model = Sequential()    model.add(Conv2D(32, (3, 3), activation = 'relu', kernel_initializer = 'he_normal', kernel_regularizer = l2(weight_decay), padding = 'same', input_shape = (32, 32, 3)))    model.add(BatchNormalization())    model.add(Conv2D(32, (3, 3), activation = 'relu', kernel_initializer = 'he_normal', kernel_regularizer = l2(weight_decay), padding = 'same'))    model.add(BatchNormalization())    model.add(MaxPooling2D((2, 2)))    model.add(Dropout(0.2))    model.add(Conv2D(64, (3, 3), activation = 'relu', kernel_initializer = 'he_normal', kernel_regularizer = l2(weight_decay), padding='same'))    model.add(BatchNormalization())    model.add(Conv2D(64, (3, 3), activation = 'relu', kernel_initializer = 'he_normal', kernel_regularizer = l2(weight_decay), padding='same'))    model.add(BatchNormalization())    model.add(MaxPooling2D((2, 2)))    model.add(Dropout(0.3))    model.add(Conv2D(128, (3, 3), activation = 'relu', kernel_initializer = 'he_normal', kernel_regularizer = l2(weight_decay), padding='same'))    model.add(BatchNormalization())    model.add(Conv2D(128, (3, 3), activation = 'relu', kernel_initializer = 'he_normal', kernel_regularizer = l2(weight_decay), padding='same'))    model.add(BatchNormalization())    model.add(MaxPooling2D((2, 2)))    model.add(Dropout(0.4))