Question

我有一个训练有素的卷积神经网络 A ，它输出给定图片包含正方形或圆形的可行性。

另一个网络 B 拍摄随机噪音图像。我的想法是拥有一堆卷积层，以便输出是一个新生成的方块。作为错误函数，我想将生成的图像输入 A ，并从 A 的softmax张量中学习 B 的过滤器。根据我的理解，这是一种生成性的对抗性网络，除了 A 没有学习。在尝试实现这一点时，我遇到了两个问题。

我已经在 B 中导入了 A 的图层，如下所示：

with gfile.FastGFile("shape-classifier.pb", 'rb') as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())
    image_input_layer, extern_softmax_tensor = tf.import_graph_def(
        graph_def, name="", return_elements=["image_input", "Softmax"])

我想避免使用两次sess.run（）三次。（生成随机图像，从 A 获取softmax值，调整 B 的权重）。有没有办法直接连接张量，这样我只有一张图？

通话：

logits = extern_softmax_tensor(my_generated_image_tensor)

抛出：

TypeError: 'Operation' object is not callable

“Graph-Connected”和“Feed-Connected”方法让我感到困惑。

logits = extern_softmax_tensor(my_generated_image_tensor) # however you would call it
cross_entropy = tf.nn.softmax_cross_entropy_with_logits(labels=label_input,
                                                        logits=logits)
cross_entropy_mean = tf.reduce_mean(cross_entropy_tensor)
optimizer = tf.train.AdamOptimizer(learning_rate=0.01)
learning_step = optimizer.minimize(cross_entropy_mean)

使用该逻辑，错误将首先通过 A 传回。有没有办法使用 A 计算的softmax来直接调整 B 的图层？

如果我的想法确实有效，那么实际上是否可以在tensorflow中构建它？我希望我能把问题弄清楚。

非常感谢

Answer 1

是的，connect two models可以这样做。

# Generator networ
my_generated_image_tensor = ...
# Read classifier
with gfile.FastGFile("shape-classifier.pb", 'rb') as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())
    # Map generator output to classifier input
    extern_softmax_tensor, = tf.import_graph_def(
        graph_def, name="", input_map={"image_input": my_generated_image_tensor},
        return_elements=["Softmax:0"])
# Define loss and training step
cross_entropy = tf.nn.softmax_cross_entropy_with_logits(
    labels=label_input, logits=extern_softmax_tensor)
cross_entropy_mean = tf.reduce_mean(cross_entropy_tensor)
optimizer = tf.train.AdamOptimizer(learning_rate=0.01)
learning_step = optimizer.minimize(cross_entropy_mean)

作为附注：1）tf.nn.softmax_cross_entropy_with_logits期望logits作为输入，即之前的值通过softmax函数传递，所以如果Softmax张量在加载模型是softmax操作的输出，您应该更改它以使用输入logits。 2）请注意，tf.nn.softmax_cross_entropy_with_logits现已弃用，请参阅tf.nn.softmax_cross_entropy_with_logits_v2。

在tensorflow中使用自定义错误函数

1 个答案: