Question

我将Conv2D图层定义为：

Conv2D(96, kernel_size=(5, 5),
             activation='relu',
             input_shape=(image_rows, image_cols, 1),
             kernel_initializer=initializers.glorot_normal(seed),
             bias_initializer=initializers.glorot_uniform(seed),
             padding='same',
             name='conv_1')

这是我网络中的第一层。
输入尺寸为64 x 160，图像为1通道。
我试图从这个卷积层可视化权重，但不知道如何获得它们。
以下是我现在这样做的方式：

1.Call

layer.get_weights()[0]

这会形成一系列形状（5,5,1,96）。 1是因为图像是1通道。

2.通过

取5个过滤器

layer.get_weights()[0][:,:,:,j][:,:,0]

非常难看但我不确定如何简化这一点，任何评论都非常感激。

我不确定这些5乘5个方格。他们实际过滤了吗？
如果没有，请告诉我们如何正确地从模型中抓取过滤器？

Answer 1

我试图只显示前25个权重。我有同样的问题，你做的是这个过滤器或其他东西。它似乎与源自深度信念网络或堆叠RBM的过滤器相同。

以下是未经训练的可视化权重：

以下是训练有素的重量：

奇怪的是训练后没有变化！如果你比较它们是相同的。

然后DBN RBM过滤顶部的第1层和底部的第2层：

如果我设置kernel_intialization =＆＃34;那些＆＃34;然后我得到了看起来不错的过滤器但是，尽管有许多试验和错误更改，净损失从未减少：

以下是显示2D Conv权重/过滤器的代码。

  ann = Sequential()
  x = Conv2D(filters=64,kernel_size=(5,5),input_shape=(32,32,3))
  ann.add(x)
  ann.add(Activation("relu"))

...

  x1w = x.get_weights()[0][:,:,0,:]
  for i in range(1,26):
      plt.subplot(5,5,i)
      plt.imshow(x1w[:,:,i],interpolation="nearest",cmap="gray")
  plt.show()

  ann.fit(Xtrain, ytrain_indicator, epochs=5, batch_size=32)

  x1w = x.get_weights()[0][:,:,0,:]
  for i in range(1,26):
      plt.subplot(5,5,i)
      plt.imshow(x1w[:,:,i],interpolation="nearest",cmap="gray")
  plt.show()

--------------------------- UPDATE ------------------- -----

所以我再次尝试了它，学习率为0.01而不是1e-6，并通过将图像除以255.0来使用归一化在0和1而不是0和255之间的图像。现在卷积滤波器正在改变，第一个卷积滤波器的输出如下：

您注意到的经过培训的过滤器会以合理的学习率进行更改（不是很多）：

以下是CIFAR-10测试集的第七个图像：

这是第一个卷积层的输出：

如果我采用最后一个卷积层（中间没有密集层）并将其提供给未经训练的分类器，则类似于根据准确度对原始图像进行分类，但如果我训练卷积层，则最后一个卷积层输出会增加分类器的准确性（随机森林）。

所以我得出结论，卷积层确实是过滤器和权重。

Answer 2

在layer.get_weights（）[0] [：，：，：，：]中，[：，：，：，：]中的尺寸是权重的x位置，权重的y位置，第n个输入到相应的conv层（来自上一层，请注意，如果尝试获取第一conv层的权重，则此数字为1，因为只有一个输入被驱动到第一conv层），并且第k个过滤器或内核相应的层。因此，可以将layer.get_weights（）[0]返回的数组形状解释为仅将一个输入驱动到该图层，并生成96个5x5大小的过滤器。如果您想访问其中一个过滤器，则可以输入第六个过滤器打印（layer.get_weights（）[0] [：，：，：，6] .squeeze（））。但是，如果您需要第二转换层的滤镜（请参见下面的模型图像链接），请注意对于32个输入图像或矩阵，您将拥有64个滤镜。如果要获取其中任何一个的权重，例如为第8个输入图像生成的第4个滤镜的权重，则应输入打印（layer.get_weights（）[0] [：，：，8,4] .squeeze（））。 enter image description here

如何从kera中的Conv2D正确获取图层权重？

2 个答案: