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。

来源

2016-08-05 kju

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

您可以使用tf.py_func包装的python函数。

来源

2016-09-01 21:31:32

在张量上作为numpy数组在图中计算？

回答

相关问题