检查正确的预测后，应用训练循环

Question

我想看看训练后过滤器采用了什么值？如果在训练循环之后我提到filter.eval（），它将为我提供在完成训练后过滤器已采用的过滤器权重的值吗？我不认为这样可以得到过滤器权重，因为过滤器变量调用了一个函数weight_variable，该函数从正态分布中选取了一些值。我认为在训练循环之后调用filter.eval（）命令就像在训练之前打印filter一样。那么如何获得训练后滤波器采用的滤波器权重值？

`def weight_variable(shape):
    initial = tf.truncated_normal(shape, mean=0, stddev=0.1)
    return tf.Variable(initial)
#network
x = tf.placeholder(tf.float32, [None, 
FLAGS.image_height*FLAGS.image_width])
y_ = tf.placeholder(tf.float32, [None, 2])



input=tf.reshape(x, 
    [-1,FLAGS.image_height,FLAGS.image_width,FLAGS.input_channel])
filter = weight_variable([FLAGS.filter_size, FLAGS.filter_size, 
    FLAGS.input_channel, FLAGS.filter_channel])
conv_out = tf.nn.sigmoid(conv2d(input, filter))

pool_out = max_pool(conv_out)


pool_list = pool_out.get_shape().as_list()
input_dim = pool_list[1]* pool_list[2]* pool_list[3]
pool_2D = tf.reshape(pool_out, [-1, input_dim])
W_fc = weight_variable([input_dim, 2])

logits = tf.matmul(pool_2D, W_fc)   #(batch_size,2)
y_conv=tf.nn.softmax(logits)`

检查正确的预测后，应用训练循环

`
for i in range(max.training_step):
    #Check training and test accuracy
print(filter.eval())`

Answer 1

首先，请确保使用相同的图形和会话。图形包含模型的设置，会话包含模型中所有权重的值。如果您不使用相同的图表/会话，则不会获得相同的权重。我认为在您的示例中，您使用了一些默认的图形和会话。应该可以，但是如果您更明确地了解它们，那就更好了。

看来filter应该是张量。如果您执行print(filter)，应该会看到类似<tensor object shape=(..) >的内容。在这种情况下，print(filter.eval())将为您返回正确的权重。

如果没有，则可以使用图形获取张量。 graph.get_tensor_by_name('filter_weights:0')将为您提供一个可以查看的张量。您可以从tensorboard（从图中）获得名称，也可以运行tf.trainable_variables()来获得图中定义的所有变量的列表（并选择所需的变量）。

filter.eval()的替代方法是执行session.run(filter)。它们是等效的。

训练后如何获得过滤器权重？

检查正确的预测后，应用训练循环

1 个答案: