由于没有明确定义权重,我如何将它们传递给摘要编写器?
例如:
conv1 = tf.layers.conv2d(
tf.reshape(X,[FLAGS.batch,3,160,320]),
filters = 16,
kernel_size = (8,8),
strides=(4, 4),
padding='same',
kernel_initializer=tf.contrib.layers.xavier_initializer(),
bias_initializer=tf.zeros_initializer(),
kernel_regularizer=None,
name = 'conv1',
activation = tf.nn.elu
)
=>
summarize_tensor(
??????
)
谢谢!
答案 0 :(得分:7)
虽然Da Tong的答案已经完成,但我花了一些时间才意识到如何使用它。为了节省其他初学者的时间,您需要在代码中添加以下内容,以将所有可训练变量添加到tensorboard摘要中:
PYTHONPATH
答案 1 :(得分:4)
这取决于您要在TensorBoard中记录的内容。如果您想将每个变量放入TensorBoard,请致电tf.all_variables()
或tf.trainable_variables()
将为您提供所有变量。请注意,tf.layers.conv2d只是创建Conv2D实例并调用它的apply方法的包装器。你可以像这样解开它:
conv1_layer = tf.layers.Conv2D(
filters = 16,
kernel_size = (8,8),
strides=(4, 4),
padding='same',
kernel_initializer=tf.contrib.layers.xavier_initializer(),
bias_initializer=tf.zeros_initializer(),
kernel_regularizer=None,
name = 'conv1',
activation = tf.nn.elu
)
conv1 = conv1_layer.apply(tf.reshape(X,[FLAGS.batch,3,160,320]))
然后您可以使用conv1_layer.kernel
来访问内核权重。