使用keras.Sequential时候我们添加网络层训练后，除调用model.summary()函数外，可以使用何方法知道经过每层之后数据的维度变化？

除了通过 model.summary() 函数来查看每层的输出维度之外，还可以通过在模型中添加 tf.keras.layers.Lambda 层并打印输出来查看。

具体来说，我们可以在模型中添加 Lambda 层，将其作为一个中间层，然后打印其输出。例如：

import tensorflow as tf

# 构建模型
model = tf.keras.Sequential([
    tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(28,28,1)),
    tf.keras.layers.MaxPooling2D((2,2)),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(10),
    tf.keras.layers.Lambda(lambda x: tf.keras.backend.print_tensor(x, message='output:')),
])

# 打印每层输出的维度
for layer in model.layers:
    print(layer.name, layer.output_shape)

# 随机生成一个输入
x = tf.random.normal((1,28,28,1))

# 查看每层输出的结果
model(x)

在上面的例子中，我们在模型中添加了一个 Lambda 层，并使用 tf.keras.backend.print_tensor 函数打印输出。在运行模型时，将会输出每层的输出，从而可以查看每层输出的维度变化。