Question

假设您有一个训练有素的网络，该网络由五个层组成，表示为 L1-> L2-> L3-> L4-> L5 。这里，L1是输入层，由tf.placeholder组成。

如何将中间层（如L3）的输出修复到用户指定的值并运行正向传递以查看L5的输出值？换句话说，在这种情况下，我们希望将L3视为起始输入层，并完全忽略L1和L2。

最后，假设后向传递需要 no ：即，我们只想评估而不是进一步训练模型。

谢谢！

Answer 1

我们需要将L1和L2用作身份运算并将输入直接传递给L3。

我们需要使用检查点加载模型。

 graph = tf.Graph()
 with graph.as_default():
    saver = tf.train.import_meta_graph(checkpoint_path + '.meta')
    session = tf.Session(graph=graph)
    saver.restore(session, checkpoint_path)

让我们说L1和L2中的操作的名称分别是'l1'和'l2'。我们需要获取节点并将op更改为L1和L2的标识，并更改L3的标识。

      graph_def = graph.as_graph_def()
      for node in graph_def.node:
          if node.name == "L3":
          # Change its input from the output of L2 to the original input tensor op name.
              node.input[1] = "input"
          if node.name == "L1" or node.name == "L2":
              # For L1 and L2, change its op to Identity
              node.op = "Identity"

有关详细说明，请参见 https://github.com/TheMoskowitz/tensorflow-surgery/blob/master/Tensorflow_Surgery.ipynb

张量流量：简单网络手术（丢弃第一层）

1 个答案: