在tf.layers.conv2d中可视化过滤器权重

Question

我tf.layers.conv2d在TensorFlow V1.0中使用进行卷积.

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')

然后我尝试按如下方式收集过滤器重量: -

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

然而,虽然网络正在接受培训,但我还是会[]在l1weights会话中进行评估.

如何提取滤镜权重并使用它来显示它们tf.summary.image？

Answer 1

我设法使用以下方法获得权重

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]

希望能帮助到你.

Answer 2

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

还要确保您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的变量错误。