Tensorflow-了解layer.output

Question

我正在tensorflow docs网页上的NST教程中，我在这里是从预先训练的VGG19模型的输出中创建一个新模型。

def vgg_layers(layer_names):
  """ Creates a vgg model that returns a list of intermediate output values."""
  # Load our model. Load pretrained VGG, trained on imagenet data
  vgg = tf.keras.applications.VGG19(include_top=False, weights='imagenet')
  vgg.trainable = False

  outputs = [vgg.get_layer(name).output for name in layer_names]

  model = tf.keras.Model([vgg.input], outputs)
  return model

我们有VGG19模型中的图层名称列表（即block1_conv1）。从预先训练的模型中，我们获得名称列表中指定的每个图层的输出。然后，我们构建一个新的model，并将这些outputs传入作为新模型的最终输出。

我不太了解的是，经过预先训练的VGG19模型在将输入传递给它之前如何具有outputs？也许我误会了outputs在这里的含义，但是我的理解是，给定input，层将[[compute一个output。但是如果没有input，它如何提供有用的output？

[此外，使用NST，我们实际上不是在训练模型，而是将梯度应用于图像（input）本身。因此，如果我们要从头开始创建新的Model，这是否还意味着其权重都未经训练了？

tl; dr：什么是Layer.outputs？为什么我们从预训练模型中真正需要它们呢？如何将这些输出传递给从头生成的新模型，仍然如何转移来自预训练的VGG19的知识？

Answer 1

因此，图层同时具有输入和输出。您可以认为一个节点是中心节点，传入边缘以权重的形式提供信息，而出端边缘以新权重的形式离开该节点（应用激活fxn之后）。通过连接输入和将图层输出到节点。节点及其激活是vgg模型固有的！