Tensorboard (используется через keras) отображает только изображения для 3 фильтров на слой моей сети.Что происходит? - PullRequest
Новая
       24

Tensorboard (используется через keras) отображает только изображения для 3 фильтров на слой моей сети.Что происходит?

0 голосов
/ 13 июня 2019

Я тренирую простую сверточную нейронную сеть с Keras и вызываю тензорную доску, чтобы визуализировать процесс обучения. На вкладке Изображения я могу видеть изображения смещений и весов для каждого слоя, но только 3 изображения отображаются для каждого слоя, хотя моя сеть использует 32 фильтра для обоих своих слоев. есть ли способ это исправить? Код и скриншот проблемы показаны ниже

Снимок экрана с вкладкой изображений, отображающей только 3 изображения

Вот код, который я использую: 

    ########### create model
model=Sequential()
# first layer is convolutional layer with 61*585/600 as input and ReLu activation
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(61, 540, 1), W_regularizer=l2(0.08)))
model.add(Dropout(0.25))
# Second layer is maxpool layer
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(32, (3, 3), activation='relu'))
model.add(Dropout(0.25))
# third layer is FC layer 8 neurons
model.add(Flatten())
##model.add(Dense(20, activation='relu'))
##model.add(Dense(10, activation='relu'))
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.25))
# last layer is FC layer 2 neurons
model.add(Dense(2, activation='softmax'))


#compile model with gradient descent
sgd = SGD(lr=0.005, decay=0, momentum=0, nesterov=False)
##AD=Adam(lr=0.01, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0.0, amsgrad=False)
model.compile(loss='binary_crossentropy', optimizer=sgd, metrics=['accuracy'])

# add a callback to stop when the model stops improving
#early_stp = EarlyStopping(monitor='acc', min_delta=0.0002,
                             # patience=10, baseline=1.0)


# Create a TensorBoard instance with the path to the logs directory
tensorboard = TensorBoard(log_dir='logs/{}'.format(time()), histogram_freq=1, write_graph=True, write_images=True)
log_dir="logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
tensorboard = TensorBoard(log_dir=log_dir, histogram_freq=1, write_graph=True, write_images=True)
#fit the model
model.fit(X, Y, batch_size=50, epochs=100, callbacks=[ tensorboard], validation_data=(Xtest,Ytest))
...