可视化tf.layers.conv2d中的滤镜权重

我在TensorFlow V1.0中使用tf.layers.conv2d进行卷积。可视化tf.layers.conv2d中的滤镜权重

一个例子如下：

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')

我再尝试收集过滤器重量如下： -

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

然而尽管网络是越来越训练有素，我得到[]上评估l1weights在会议中。

如何提取滤波器权重并使用tf.summary.image将它们可视化？

来源

2017-04-18 Ujjwal

尝试将tf.GraphKeys.WEIGHTS更改为GraphKeys.TRAINABLE_VARIABLES – Steven

我试过它没有工作并给出相同的输出'[]' – Ujjwal

您是否解决了这个问题？我有确切的一个。 – LKM

我推荐使用基于类的图层API，在tf.contrib.keras.layers.Conv2D中公开变量作为图层对象的成员。

此外，请确保您在训练模型的同一个会话中获取变量，否则您将获得未初始化的变量错误。

来源

2017-04-19 20:47:12

我设法权使用以下

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]

希望它能帮助。

来源

2017-07-15 05:46:19 azmath

这看起来不错，但是我得到错误'tensorflow.python.framework.errors_impl.InvalidArgumentError：张量必须是4-D，最后暗淡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）]]'在灰度图像上使用64位3x3过滤器。想法？ –

可视化tf.layers.conv2d中的滤镜权重

回答

相关问题