在tf.layers.conv2d中可视化滤波器权重

Question

在tf.layers.conv2d中可视化滤波器权重

7

我正在使用TensorFlow V1.0中的tf.layers.conv2d进行卷积操作。

以下是一个示例：

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')

我会尝试按以下方式收集过滤器权重：-

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

然而，即使网络正在接受训练，当我在会话中评估l1weights时，我得到了[]。

我该如何提取滤波器权重并使用 tf.summary.image进行可视化呢？

- Ujjwal

尝试将 tf.GraphKeys.WEIGHTS 更改为 GraphKeys.TRAINABLE_VARIABLES。 - Steven

我尝试过了，但是没有成功，输出的结果还是[]。 - Ujjwal

你解决了这个问题吗？我也遇到了同样的问题。 - LKM

2个回答

0

我建议使用基于类的层API，在tf.contrib.keras.layers.Conv2D中，它将变量公开为层对象的成员。

此外，请确保在训练模型的同一会话中获取变量，否则您将收到未初始化变量错误。

- Alexandre Passos

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- azmath · Accepted Answer

我使用以下方法成功获取了权重：

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]

希望这可以帮到您。