在将模型与其存储的protobuf版本(通过this conversion script)进行比较时,我的输出存在差异。为了调试我分别比较两个层。对于测试序列期间的权重和实际层输出,我收到相同的输出,因此我不确定如何访问隐藏层。
以下是我加载图层的方法
input = graph.get_tensor_by_name("lstm_1_input_1:0")
layer1 = graph.get_tensor_by_name("lstm_1_1/kernel:0")
layer2 = graph.get_tensor_by_name("lstm_1_1/recurrent_kernel:0")
layer3 = graph.get_tensor_by_name("time_distributed_1_1/kernel:0")
output = graph.get_tensor_by_name("activation_1_1/div:0")
以下是我想要展示各个元素的方式。
显示权重:
with tf.Session(graph=graph) as sess:
print sess.run(layer1)
print sess.run(layer2)
print sess.run(layer3)
显示输出:
with tf.Session(graph=graph) as sess:
y_out, l1_out, l2_out, l3_out = sess.run([output, layer1, layer2, layer3], feed_dict={input: X_test})
使用此代码sess.run(layer1) == sess.run(layer1,feed_dict={input:X_test})
,这不应该是真的。
有人能帮助我吗?
答案 0 :(得分:2)
当你运行sess.run(layer1)
时,你告诉tensorflow来计算layer1
张量的值,这是......
layer1 = graph.get_tensor_by_name("lstm_1_1/kernel:0")
...根据你的定义。请注意,LSTM内核是权重变量。 不取决于input
,这就是为什么您使用sess.run(layer1, feed_dict={input:X_test})
获得相同结果的原因。如果提供输入,则不像tensorflow计算输出 - 它计算指定的张量,在这种情况下为layer1
。
input
何时重要?当依赖它时。例如:
sess.run(output)
。如果没有input
或任何可以计算input
的张量,它就无法工作。tf.train.AdapOptimizer(...).minimize(loss)
。运行此操作会更改layer1
,但还需要input
才能执行此操作。答案 1 :(得分:-1)
也许您可以尝试TensorBoard并检查图表以查找隐藏图层的输出。