在将模型与其存储的 protobuf 版本进行比较时,我遇到了输出差异(通过这个转换脚本 https://github.com/amir-abdi/keras_to_tensorflow/blob/master/keras_to_tensorflow.py)。为了调试,我分别比较了两个层。对于测试序列期间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法
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")
这是我认为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})
有了这个代码sess.run(layer1) == sess.run(layer1,feed_dict={input:X_test})
这不应该是真的。
有人可以帮我吗?
当你跑步时sess.run(layer1)
,你告诉tensorflow计算的值layer1
张量,即...
layer1 = graph.get_tensor_by_name("lstm_1_1/kernel:0")
...根据你的定义。请注意,LSTM 内核是权重变量。它does not取决于input
,这就是为什么你会得到相同的结果sess.run(layer1, feed_dict={input:X_test})
。如果提供了输入,张量流并不计算输出——它计算的是指定的张量,在本例中layer1
.
什么时候input
那么重要吗?当对其产生依赖性时。例如:
-
sess.run(output)
。如果没有input
,或任何允许计算的张量input
.
- 优化操作,例如
tf.train.AdapOptimizer(...).minimize(loss)
。运行这个操作将会改变layer1
,但还需要input
这样做。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)