如何在tensorflow中打印出中间层的特征输出2

##关于使用Tensorflow的call定义神经网络的结构的可视化说明
大家可以去找下tensorflow2.x,或者tensorflow1.x的指南，哪里有详细的说明，可以跟着例子跑一下程序，然后调一下，就知道怎么使特征可视化了

首先上代码例子，这是随意写的一个卷积结构，使self.sequential1_2的特征可视化。

class TICNN(Model):

    def __init__(self):
        super(TICNN,self).__init__()
        self.Sequential1_1 = tf.keras.models.Sequential([
          Conv1D(filters=64,kernel_size=10,strides=3,padding='same',kernel_regularizer=tf.keras.regularizers.l2(0.001)),
            BatchNormalization(),
            Activation('relu'),
            MaxPool1D(pool_size=2,strides=2,padding='valid'),
        ])

        self.Sequential1_2 = tf.keras.models.Sequential([
            Conv1D(filters=32,kernel_size=100,strides=15,padding='same',kernel_regularizer=tf.keras.regularizers.l2(0.001)),
            BatchNormalization(),

            Activation('relu'),
            MaxPool1D(pool_size=2,strides=2,padding='valid')
        ])
        self.flatten = Flatten()
        self.fc = Dense(10, activation='softmax')

    def call(self,x):
        x1_1 = self.Sequential1_1(x)
        x1_2 = self.Sequential1_2(x)
        xx = self.flatten(xx)
        xx = self.fc1(xx)
        return y
    def vision(self,x):
        x1_1 = self.Sequential1_1(x)
        x1_2 = self.Sequential1_2(x)
        return xx
        #这是一个可视化，只要把相应的结构写上就可以可视化了

关于def vision(self,x)，可以多写点，同时显示不同层的可视化。