Question

我正试图从神经网络中获取显着性图，但我正在努力。我的网络进行DNA分类（类似于文本分类），并按顺序如下：Conv1D-＆gt; MaxPool-＆GT; Dropout-＆GT;双向LSTM-> Flatten-＆GT; Dense-＆GT; Dropout-＆GT;稠密。运行Keras 2.06，Tensorflow 1.2.1。我从https://github.com/fchollet/keras/issues/1777获得的主要代码如下：

def compile_saliency_function(model):
    """
    Compiles a function to compute the saliency maps and predicted classes
    for a given minibatch of input images.
    """
    inp = model.layers[0].input
    outp = model.layers[-1].output
    max_outp = K.max(outp, axis=1)
    saliency = keras.backend.gradients(keras.backend.sum(max_outp), inp)
    max_class = K.argmax(outp, axis=1)
    return K.function([inp], [saliency, max_class])

sal = compile_saliency_function(model)([x_test[1], 0])

但是我遇到了来自K.function

的错误消息

TypeError: Can not convert a list into a Tensor or Operation.

我在这里缺少什么？我会尝试使用其他API，但似乎除了DeepLIFT之外，还有很多文本，除了DeepLIFT，它不支持RNN并且仍然使用Keras 1.x. Keras-vis中的文本实现在未来的某个地方。任何反馈表示赞赏！

Answer 1

我知道这是一个老问题，但是请尝试以下操作：更改行

saliency = keras.backend.gradients(keras.backend.sum(max_outp), inp)

到

saliency = keras.backend.gradients(keras.backend.sum(max_outp), inp)[0]

或者简单地

saliency = K.gradients(keras.backend.sum(max_outp), inp)[0]

Keras CNN LSTM（TF后端）的显着性图

1 个答案: