Понимание того, как класс модели Tensorflow превращает слои / тензоры в модели

Question

outputs - объект Tensor. Когда мы создаем объект model, мы инкапсулируем объекты input, x и outputs в один объект tf.Model. Мое замешательство связано с тем, как модель может это делать. Разве не хватает информации, чтобы описать все? Когда я проверяю свойство model.layers, оно возвращает все три слоя, а не два. Понятно, что мы предоставили только два входа (inputs и outputs) конструктору класса tf.keras.Model, так как он может получить доступ к промежуточному уровню x с этими параметрами?

import tensorflow as tf

inputs = tf.keras.Input(shape=(3,))
x = tf.keras.layers.Dense(4, activation=tf.nn.relu)(inputs)
outputs = tf.keras.layers.Dense(5, activation=tf.nn.softmax)(x)

model = tf.keras.Model(inputs=inputs, outputs=outputs)

Answer 1

TensorFlow может объяснить, что для получения выходных данных вам нужно go через слой x. Эта возможность особенно необходима для выполнения обратного распространения ошибки и обновления всех весов.