Как получить тензорное значение в керасе? - PullRequest
Новая
       8

Как получить тензорное значение в керасе?

0 голосов
/ 30 мая 2018

Я хочу сравнить 2 изображения.

Подход, который я принимаю, заключается в их кодировании.

Затем рассчитывается угол между двумя закодированными векторами для меры сходства.

Приведенный ниже код используется для кодирования, а затем декодирования изображений с использованием CNN с Keras.

Однако мне нужно получить значение тензора encoded.

Как этого добиться?

Большое спасибо. 

from keras.layers import Input, Dense, Conv2D, MaxPooling2D, UpSampling2D
from keras.models import Model
from keras import backend as K

input_img = Input(shape=(28, 28, 1))  
x = Conv2D(16, (3, 3), activation='relu', padding='same')(input_img)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x)
x = MaxPooling2D((2, 2), padding='same')(x)
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x)
encoded = MaxPooling2D((2, 2), padding='same')(x)
#----------------------------------------------------------------#
# How to get the values of the tensor "encoded"?                   #
#----------------------------------------------------------------#
x = Conv2D(8, (3, 3), activation='relu', padding='same')(encoded)
x = UpSampling2D((2, 2))(x)
x = Conv2D(8, (3, 3), activation='relu', padding='same')(x)
x = UpSampling2D((2, 2))(x)
x = Conv2D(16, (3, 3), activation='relu')(x)
x = UpSampling2D((2, 2))(x)
decoded = Conv2D(1, (3, 3), activation='sigmoid', padding='same')(x)

autoencoder = Model(input_img, decoded)
autoencoder.compile(optimizer='adadelta', loss='binary_crossentropy')

.....

autoencoder.fit(x_train, x_train,
                epochs=50,
                batch_size=128,
                shuffle=True,
                validation_data=(x_test, x_test),
                callbacks=[TensorBoard(log_dir='/tmp/autoencoder')])

Ответы [ 2 ]

0 голосов
/ 30 мая 2018

Чтобы получить промежуточный вывод, вам нужно создать отдельную модель, которая содержит граф вычислений до этой точки.В вашем случае вы можете: 

encoder = Model(input_img, encoded)

После завершения тренировки с autoencoder вы можете encoder.predict, который вернет вам промежуточный закодированный результат.Вы также можете сохранять модели отдельно, как и любую другую модель, и вам не придется тренироваться каждый раз.Короче говоря, Model - это контейнер для слоев, которые строят граф вычислений.

0 голосов
/ 30 мая 2018

Если я правильно понимаю ваш вопрос, вы хотели бы получить 128-мерное кодированное представление от сверточного автоэнкодера для сравнения изображений?

Что вы можете сделать, это создать ссылку на часть кодера сетиОбучите весь автокодер и затем кодируйте изображения с весами эталона кодера.

Поместите это:

self.autoencoder = autoencoder self.encoder = Model(inputs=self.autoencoder.input, outputs=self.autoencoder.get_layer('encoded').output)

после autoencoder.compile()

и создайте кодировки с помощью:

encoded_img = self.encoder.predict(input)

...