Как получить выход определенного уровня обученной модели CNN [Tensorflow] - PullRequest
Новая
       10

Как получить выход определенного уровня обученной модели CNN [Tensorflow]

0 голосов
/ 01 февраля 2019

У меня есть CNN модель для image classification, которую я обучил по своему набору данных.Модель выглядит примерно так: 

Convolution 
Relu
pooling

Convolution 
Relu
Convolution 
Relu
pooling

flat

fully connected (FC1)
Relu
fully connected (FC2)
softmax

. После обучения я хочу получить векторы функций для изображения, которое я ввожу в предварительно обученную модель, т.е. хочу получить вывод слоя FC1.Есть ли какой-нибудь способ, которым мы можем получить это, я просматривал сеть, но не мог найти ничего полезного, любые предложения были бы очень полезны, ребята.

Учебный скрипт 

# input
x = tf.placeholder(tf.float32, shape=[None, img_size_h, img_size_w, num_channels], name='x')
# lables
y_true     = tf.placeholder(tf.float32, shape=[None, num_classes], name='y_true')
y_true_cls = tf.argmax(y_true, axis=1)

y_pred = build_model(x)     # Builds model architecture
y_pred_cls = tf.argmax(y_pred, axis=1)

cross_entropy = tf.nn.softmax_cross_entropy_with_logits_v2(logits=y_pred, labels=y_true)
cost = tf.reduce_mean(cross_entropy)

optimizer = tf.train.MomentumOptimizer(learn_rate, 0.9, use_locking=False, use_nesterov=True).minimize(cost)

accuracy  = tf.reduce_mean(tf.cast(tf.equal(y_pred_cls, y_true_cls), tf.float32))

sess = tf.Session()

sess.run(tf.global_variables_initializer())

tf_saver = tf.train.Saver()

train(num_iteration)    # Trains the network and saves the model

sess.close()

Скрипт тестирования 

sess = tf.Session()

tf_saver = tf.train.import_meta_graph('model/model.meta')
tf_saver.restore(sess, tf.train.latest_checkpoint('model'))

x = tf.get_default_graph().get_tensor_by_name('x:0')

y_true = tf.get_default_graph().get_tensor_by_name('y_true:0')
y_true_cls = tf.argmax(y_true, axis=1)

y_pred = tf.get_default_graph().get_tensor_by_name('y_pred:0')      # refers to FC2 in the model
y_pred_cls = tf.argmax(y_pred, axis=1)

correct_prediction = tf.equal(y_pred_cls, y_true_cls)
accuracy           = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

images, labels = read_data()     # read data for testing

feed_dict_test  = {x: images, y_true: labels}

test_acc = sess.run(accuracy, feed_dict=feed_dict_test)

sess.close()

1 Ответ

0 голосов
/ 01 февраля 2019

Вы можете просто выполнить sess.run для правильного тензора, чтобы получить значения.Сначала нужен тензор.Вы можете дать ему имя внутри build_model, добавив аргумент имени (который вы можете сделать для любого тензора), например: 

FC1 = tf.add(tf.multiply(Flat, W1), b1, name="FullyConnected1")

Позже вы можете получить тензор для полностью связанного слоя и оценить его:

with tf.Session() as sess:
    FC1 = tf.get_default_graph().get_tensor_by_name('FullyConnected1:0')
    FC1_values = sess.run(FC1, feed_dict={x: input_img_arr})

(предполагается, что на графике нет другого слоя с именем FullyConnected1)

...