我最近开始学习深度学习和CNN。我遇到了以下代码,它定义了一个简单的CNN。
任何人都可以帮助我理解这些线是如何工作的:
loss = layer_output[:, :, :, 0]
- 这是什么结果?我的问题是,网络还没有接受过培训。权重[Kernels]尚未计算。那么,它将返回什么样的数据! 0
代表第一个内核吗?
iterate = K.function([input_img], [loss, grads])
- Keras网站上没有太多文档可用。我理解的是iterate
是一个函数,它接受输入张量并返回张量列表,第一个是loss
,第二个是grads
。但是,它们在其他地方定义!!
使用以下尺寸定义输入图像:
img_data = np.random.uniform(size=(1, 250, 250, 3))
有一个简单的CNN,它有一个卷积层。它使用两个3 X 3内核。
input = Input(shape=250, 250, 3,), name='input_1')
First_Conv2D = Conv2D(2, kernel_size=(3, 3), padding="same", name='conv2d_1', activation='relu')(input)
flat = Flatten(name='flatten_1')(First_Conv2D)
output = Dense(2, name='dense_1', activation='softmax')(flat)
model = Model(inputs=[input], outputs=[output])
layer_dict = dict([(layer.name, layer) for layer in model.layers[0:]])
layer_output = layer_dict['conv2d_1'].output
input_img = model.input
# Calculate loss and gradient.
loss = layer_output[:, :, :, 0]
grads = K.gradients(loss, input_img)[0]
# Define a Keras function
iterate = K.function([input_img], [loss, grads])
# Call iterate function
loss_value, grads_value = iterate([img_data])
谢谢。
答案 0 :(得分:0)
这看起来像是一个令人讨厌的解剖Keras作为API。我认为它会导致更多的混乱,而不是深度学习的介绍。无论如何,解决你的问题:
loss = layer_output[:,:,:,0]
是一个切片操作,它使最后一个维度的第一个元素返回另一个具有3个维度的张量。当您使用实际输入运行会话时,张量将具有这些操作运行的值。这些操作几乎与NumPy ndarray完全相同,它们不是符号并且包含值,你可以获得直觉。