在将模型与其存储的 protobuf 版本(通过 this conversion script)进行比较时,我遇到了输出差异。为了进行调试,我分别比较了两层。对于测试序列中的权重和实际层输出,我收到相同的输出,因此我不确定如何访问隐藏层。
这是我加载图层的方式
input = graph.get_tensor_by_name("lstm_1_input_1:0")
layer1 = graph.get_tensor_by_name("lstm_1_1/kernel:0")
layer2 = graph.get_tensor_by_name("lstm_1_1/recurrent_kernel:0")
layer3 = graph.get_tensor_by_name("time_distributed_1_1/kernel:0")
output = graph.get_tensor_by_name("activation_1_1/div:0")
这是我想显示各个元素的方式。
显示权重:
with tf.Session(graph=graph) as sess:
print sess.run(layer1)
print sess.run(layer2)
print sess.run(layer3)
显示输出:
with tf.Session(graph=graph) as sess:
y_out, l1_out, l2_out, l3_out = sess.run([output, layer1, layer2, layer3], feed_dict={input: X_test})
使用此代码 sess.run(layer1) == sess.run(layer1,feed_dict={input:X_test})
这不应该是真的。
有人可以帮帮我吗?
最佳答案
当您运行 sess.run(layer1)
时,您是在告诉 tensorflow 计算 layer1
张量的值,即 ...
layer1 = graph.get_tensor_by_name("lstm_1_1/kernel:0")
...根据您的定义。请注意,LSTM 内核是权重变量。它不取决于输入
,这就是为什么您使用sess.run(layer1, feed_dict={input:X_test})
得到相同结果的原因>。如果提供了输入,tensorflow 不会计算输出——它计算的是指定的 张量,在本例中为 layer1
。
什么时候 input
重要?当对它有依赖时。例如:
sess.run(输出)
。如果没有input
或任何允许计算input
的张量,它根本无法工作。- 优化操作,例如
tf.train.AdapOptimizer(...).minimize(loss)
。运行此操作将更改layer1
,但它也需要input
来执行此操作。
关于python - 如何在 Tensorflow 中显示隐藏层输出,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47787627/