在tensorflow框架中，已有训练后的meta文件，如何直接查看网络中每层的激活函数类型

在TensorFlow中，可以使用SavedModel或ckpt模型文件来加载模型。使用SavedModel加载模型时，可以使用`tf.saved_model.loader.load()`函数来加载模型。使用ckpt模型文件加载模型时，可以使用`tf.train.import_meta_graph()`函数来加载模型。

无论是使用SavedModel还是ckpt模型文件，都可以通过`tf.get_default_graph()`函数获取默认的计算图对象。在计算图对象中，可以使用`get_tensor_by_name()`函数获取模型中的某个张量，然后使用`tf.print()`函数查看张量的值，以判断模型中每层的激活函数类型。

例如，对于SavedModel模型，可以使用以下代码来查看模型中某一层的激活函数类型：

import tensorflow as tf

# 加载SavedModel模型
model = tf.saved_model.load('<saved_model_dir>')

# 获取默认计算图
graph = tf.get_default_graph()

# 获取某一层的激活函数张量
activation_tensor = graph.get_tensor_by_name('<activation_tensor_name>:0')

# 打印激活函数张量的值
tf.print(activation_tensor)

对于ckpt模型文件，可以使用以下代码来查看模型中某一层的激活函数类型：

import tensorflow as tf

# 加载ckpt模型文件
saver = tf.train.import_meta_graph('<model.meta>')

# 获取默认计算图
graph = tf.get_default_graph()

# 获取某一层的激活函数张量
activation_tensor = graph.get_tensor_by_name('<activation_tensor_name>:0')

# 打印激活函数张量的值
with tf.Session() as sess:
    saver.restore(sess, '<model.ckpt>')
    tf.print(sess.run(activation_tensor))

其中，`<activation_tensor_name>`需要替换为模型中某一层的激活函数张量的名称。