2
有没有什么办法对图中的张量做一些计算。在张量上作为numpy数组在图中计算?
比如我图:
slim = tf.contrib.slim
def slim_graph(images, train=False):
with slim.arg_scope([slim.conv2d, slim.fully_connected],
activation_fn=tf.nn.relu,
weights_initializer=tf.truncated_normal_initializer(0.0, 0.01),
weights_regularizer=slim.l2_regularizer(0.0005)):
net = slim.repeat(images, 2, slim.conv2d, 64, [3, 3], scope='conv1')
// Do my compute by numpy on net
np_array_result = my_func(net)
// It will return a numpy array
// Use numpy array as input of graph
net = slim.max_pool2d(np_array_result, [2, 2], scope='pool1')
...
return logits
- 我们能做到出头的那样?
- 如何获得图中的特征映射来计算?
我可以图形分成2份,并使用Session.run([part1的]) 之后使用该结果输入我的功能,然后将其馈送到Session.run([2部分])
但它似乎很奇怪。
是的,像你展示的那样分成2个部分是做这件事的方式 –
@YaroslavBulatov:当我做转发网络时,它似乎没问题。 训练步骤时我们如何运行损失函数和梯度?在得到第二部分的结果之后只需计算损失并对其应用梯度? – kju