可視化tf.layers.conv2d中的濾鏡權重

我在TensorFlow V1.0中使用tf.layers.conv2d進行卷積。可視化tf.layers.conv2d中的濾鏡權重

一個例子如下：

conv1 = tf.layers.conv2d(batch_images, filters=96, 
            kernel_size=7, 
            strides=2, 
            activation=tf.nn.relu, 
            kernel_initializer=tf.contrib.layers.xavier_initializer_conv2d(uniform=False), 
            bias_initializer=tf.contrib.layers.xavier_initializer(uniform=False), 
            kernel_regularizer=tf.nn.l2_loss, 
            bias_regularizer=tf.nn.l2_loss, 
            name='conv1')

我再嘗試收集過濾器重量如下： -

l1weights = tf.get_collection(tf.GraphKeys.WEIGHTS, 'conv1')

然而儘管網絡是越來越訓練有素，我得到[]上評估l1weights在會議中。

如何提取濾波器權重並使用tf.summary.image將它們可視化？

來源

2017-04-18 Ujjwal

嘗試將tf.GraphKeys.WEIGHTS更改爲GraphKeys.TRAINABLE_VARIABLES – Steven

我試過它沒有工作並給出相同的輸出'[]' – Ujjwal

您是否解決了這個問題？我有確切的一個。 – LKM

我推薦使用基於類的圖層API，在tf.contrib.keras.layers.Conv2D中公開變量作爲圖層對象的成員。

此外，請確保您在訓練模型的同一個會話中獲取變量，否則您將獲得未初始化的變量錯誤。

來源

2017-04-19 20:47:12

我設法權使用以下

conv1 = tf.layers.conv2d(
    inputs=input_layer, 
    filters=32, 
    kernel_size=[5, 5], 
    padding="same", 
    activation=tf.nn.relu, name='conv1') 

kernel = tf.get_collection(tf.GraphKeys.VARIABLES, 'conv1/kernel')[0] 
bias = tf.get_collection(tf.GraphKeys.VARIABLES, 'conv1/bias')[0]

希望它能幫助。

來源

2017-07-15 05:46:19 azmath

這看起來不錯，但是我得到錯誤'tensorflow.python.framework.errors_impl.InvalidArgumentError：張量必須是4-D，最後暗淡1,3或4，而不是[3,3,1,64] \t [[Node：conv1_2 = ImageSummary [T = DT_FLOAT，bad_color = Tensor ，max_images = 3，_device =「/ job：localhost/replica：0/task：0/cpu：0「]（conv1_2/tag，conv1/kernel/read）]]'在灰度圖像上使用64位3x3過濾器。想法？ –

可視化tf.layers.conv2d中的濾鏡權重

回答

相關問題