Question

我想遍历4D张量的2D矩阵，这是resnet层（激活图或特征图）的输出，以便在测试时对其进行一些修改

NB：我在使用喀拉拉邦

我尝试使用不同的代码将张量转换为numpy数组，但出现了一些奇怪的错误

总结：我只需要对resnet层的激活张量进行一些修改，然后继续进行前向遍历，以便“也许”获得一些准确性

Answer 1

您可以使用keras.backend.function。由于您尚未提供模型结构，因此我将使用以下模型，其输出为4D张量。

model = Sequential(
   [
      Conv2D(z, 3, input_shape=(x, y, 3), padding="same"),
   ]
);

print(model.output.shape) # None, x, y, z)

使用此模型，可以使用keras.backend.function函数在特定位置获取输出值。在您的情况下，您尝试获取最后2个维度，因此必须使用批处理索引和宽度索引（假设channels_last数据格式）进行索引。

def get_model_output_at(model, batch_index, width_index):
    output = model.output[batch_index][width_index]
    return keras.backend.function(model.input, output)

现在您可以使用此功能通过特定的索引获取二维张量。

func = get_model_output_at(model, 0, 0) # To access the first row of the first image(batch 0 and row 0).
images = np.random.randn(10, x, y, z) # Random images
output = func(images)
print(output.shape)  # (y, z)

编辑

要遍历特征图，请使用以下功能

def get_feature_map_at(model, index):
    output = model.output[:, :, :, index]
    return keras.backend.function(model.input, output)

现在，使用上述功能，您可以遍历每个特征图。

image = np.random.randn(1, 55, 55, 256) 
for i in range(model.output.shape[-1]):
     feature_map_i_function = get_feature_map_at(model, i)
     feature_map_i = feature_map_i_function(image).reshape(55, 55)

实际上，有更好的方法可以使用model.predict并遍历结果数组来完成上述任务。

image = np.random.randn(1, 55, 55, 256) 
predicted_feature_map = model.predict(image)
for i in range(predicted_feature_map.shape[-1]):
    feature_map_i = predicted_feature_map[:, :, :, i].reshape(55,55)

如何从Resnet层循环遍历4D（无，x，y，z）激活张量的2D矩阵？

1 个答案:

编辑