Question

我最近开始使用Keras构建神经网络。我构建了一个简单的CNN来对MNIST数据集进行分类。在学习模型之前，我使用K.set_image_dim_ordering('th')来绘制卷积层权重。现在我试图使用K.function方法可视化卷积层输出，但我一直收到错误。

以下是我现在要做的事情：

input_image = X_train[2:3,:,:,:]

output_layer = model.layers[1].output
input_layer = model.layers[0].input

output_fn = K.function(input_layer, output_layer)

output_image = output_fn.predict(input_image)
print(output_image.shape)

output_image = np.rollaxis(np.rollaxis(output_image, 3, 1), 3, 1)
print(output_image.shape)

fig = plt.figure()
for i in range(32):
    ax = fig.add_subplot(4,8,i+1)
    im = ax.imshow(output_image[0,:,:,i], cmap="Greys")
    plt.xticks(np.array([]))
    plt.yticks(np.array([]))
fig.subplots_adjust(right=0.8)
cbar_ax = fig.add_axes([1, 0.1, 0.05 ,0.8])
fig.colorbar(im, cax = cbar_ax)
plt.tight_layout()

plt.show()

这就是我得到的：

  File "/home/kinshiryuu/anaconda3/lib/python3.5/site-packages/keras/backend/tensorflow_backend.py", line 1621, in function
return Function(inputs, outputs, updates=updates)

  File "/home/kinshiryuu/anaconda3/lib/python3.5/site-packages/keras/backend/tensorflow_backend.py", line 1569, in __init__
raise TypeError('`inputs` to a TensorFlow backend function '

TypeError: `inputs` to a TensorFlow backend function should be a list or tuple.

Answer 1

您应该进行以下更改：

output_fn = K.function([input_layer], [output_layer])
output_image = output_fn([input_image])

K.function将输入和输出张量作为列表，以便您可以创建从许多输入到多个输出的函数。在你的情况下，一个输入到一个输出..但你需要将它们作为列表传递给你。

下一个K.function返回一个张量函数，而不是一个可以使用predict()的模型对象。正确的使用方法就是将其称为函数

Answer 2

我认为您也可以使用K.function来获得渐变。

self.action_gradients = K.gradients(Q_values, actions)
self.get_action_gradients=K.function[*self.model.input, K.learning_phase()], outputs=action_gradients)

基本上运行该图以获得Q值以计算Q值w.r.t的梯度。 DDPG中的动作向量。此处的源代码（第64至70行）：https://github.com/nyck33/autonomous_quadcopter/blob/master/criticSolution.py#L65

根据已接受的答案和此处的用法（最初来自Udacity深度学习纳米级的项目5自主四轴飞行器），我想着一个问题。 K.function()是否可以相当灵活地用于运行图形并指定为K.function()的输出，例如特定层的输出，渐变甚至权重本身？

第64行到第67行：https://github.com/nyck33/autonomous_quadcopter/blob/master/actorSolution.py

它已被用作DDPG中演员网络的自定义训练功能：

#caller
self.actor_local.train_fn([states, action_gradients, 1])
#called
self.train_fn = K.function(inputs=[self.model.input, action_gradients, K.learning_phase()], \
            outputs=[], updates=updates_op)

outputs被赋予一个空列表的值，因为我们只想用评论者网络中的action_gradients训练角色网络。

具有Tensorflow后端的Keras的K.function方法是否适用于网络层？

2 个答案: