Как сохранить результат промежуточного сверточного слоя в тензорном потоке для последующей обработки? - PullRequest
Новая
       53

Как сохранить результат промежуточного сверточного слоя в тензорном потоке для последующей обработки?

0 голосов
/ 23 декабря 2018

Изображение ниже описывает выходные данные перед применением слоя с максимальным пулом одного промежуточного слоя фильтра CNN.Я хочу сохранить координаты пикселя с интенсивностью 4 (в правом нижнем углу матрицы на левой стрелке стрелки), как и в матрице на левой стрелке стрелки.То есть пиксель с координатой (4,4) (индексирование на основе 1) в правой матрице - это тот, который сохраняется в правой нижней ячейке матрицы на правой стороне стрелки.Теперь я хочу сохранить это значение координаты (4,4) вместе с координатами для других пикселей {(2,2) для пикселя с интенсивностью 6, (2, 4) для пикселя с интенсивностью8 и (3, 1) для пикселя с интенсивностью 3} в качестве списка для последующей обработки.Как мне это сделать в Tensorflow.max pooling done with filter of size 2 x 2 and stride 2

Максимальное объединение с использованием фильтра размером 2 x 2 и шагом 2

Ответы [ 2 ]

0 голосов
/ 23 декабря 2018

Вы можете использовать tf.nn.max_pool_with_argmax ( ссылка ). Примечание ：

Индексы в argmax сглаживаются, поэтому максимальное значение в позиции [b, y, x, c] становится сглаженным индексом ((b * height + y) * width + x) * channel + c.

Нам нужно выполнить некоторую обработку, чтобы она соответствовала вашим координатам.Пример: 

import tensorflow as tf
import numpy as np

def max_pool_with_argmax(net,filter_h,filter_w,stride):
    output, mask = tf.nn.max_pool_with_argmax( net,ksize=[1, filter_h, filter_w, 1],
                                            strides=[1, stride, stride, 1],padding='SAME')

    # If your ksize looks like [1, stride, stride, 1]
    loc_x = mask // net.shape[2]
    loc_y = mask % net.shape[2]
    loc = tf.concat([loc_x+1,loc_y+1],axis=-1) #count from 0 so add 1

    # If your ksize is all changing, use the following
    # c = tf.mod(mask,net.shape[3])
    # remain = tf.cast(tf.divide(tf.subtract(mask,c),net.shape[3]),tf.int64)
    # x = tf.mod(remain,net.shape[2])
    # remain = tf.cast(tf.divide(tf.subtract(remain,x),net.shape[2]),tf.int64)
    # y = tf.mod(remain,net.shape[1])
    # remain = tf.cast(tf.divide(tf.subtract(remain, y), net.shape[1]),tf.int64)
    # b = tf.mod(remain, net.shape[0])
    # loc = tf.concat([y+1,x+1], axis=-1)
    return output,loc

input = tf.Variable(np.random.rand(1, 6, 4, 1), dtype=np.float32)
output, mask = max_pool_with_argmax(input,2,2,2)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    input_value,output_value,mask_value = sess.run([input,output,mask])
    print(input_value[0,:,:,0])
    print(output_value[0,:,:,0])
    print(mask_value[0,:,:,:])

#print
[[0.20101677 0.09207255 0.32177696 0.34424785]
 [0.4116488  0.5965447  0.20575707 0.63288754]
 [0.3145412  0.16090539 0.59698933 0.709239  ]
 [0.00252096 0.18027237 0.11163216 0.40613824]
 [0.4027637  0.1995668  0.7462126  0.68812144]
 [0.8993007  0.55828506 0.5263306  0.09376772]]
[[0.5965447  0.63288754]
 [0.3145412  0.709239  ]
 [0.8993007  0.7462126 ]]
[[[2 2]
  [2 4]]

 [[3 1]
  [3 4]]

 [[6 1]
  [5 3]]]

Вы можете увидеть (2,2) для пикселя с интенсивностью 0,5965447, (2, 4) для пикселя с интенсивностью 0,63288754 и т. Д.

0 голосов
/ 23 декабря 2018

Допустим, у вас есть следующий слой максимального пула: 

pool_layer= tf.nn.max_pool(conv_output,
                           ksize=[1, 2, 2, 1],
                           strides=[1, 2, 2, 1],
                           padding='VALID')

, который вы можете использовать: 

max_pos = tf.gradients([pool_layer], [conv_output])[0]
...