cnn モデルをトレーニングした後、重みを視覚化または出力したいのですが、どうすればよいですか? トレーニング後に変数を出力することさえできません。ありがとうございました!
4 に答える
重みを視覚化するには、tf.image_summary()
op を使用して畳み込みフィルター (またはフィルターのスライス) を要約プロトコルに変換し、 を使用してそれらをログに書き込み、TensorBoardtf.train.SummaryWriter
を使用してログを視覚化します。
次の(簡略化された)プログラムがあるとします。
filter = tf.Variable(tf.truncated_normal([8, 8, 3]))
images = tf.placeholder(tf.float32, shape=[None, 28, 28])
conv = tf.nn.conv2d(images, filter, strides=[1, 1, 1, 1], padding="SAME")
# More ops...
loss = ...
optimizer = tf.GradientDescentOptimizer(0.01)
train_op = optimizer.minimize(loss)
filter_summary = tf.image_summary(filter)
sess = tf.Session()
summary_writer = tf.train.SummaryWriter('/tmp/logs', sess.graph_def)
for i in range(10000):
sess.run(train_op)
if i % 10 == 0:
# Log a summary every 10 steps.
summary_writer.add_summary(filter_summary, i)
これを行った後、TensorBoard を起動して でログを視覚/tmp/logs
化すると、フィルターの視覚化を確認できるようになります。
このトリックは、深さ 3 のフィルターを RGB 画像として視覚化することに注意してください (入力画像のチャネルと一致させるため)。より深いフィルタがある場合、またはカラー チャネルとして解釈する意味がない場合は、tf.split()
op を使用して深度ディメンションでフィルタを分割し、深度ごとに 1 つのイメージ サマリーを生成できます。
@mrryが言ったように、使用できますtf.image_summary
。たとえば、 の場合、cifar10_train.py
このコードを の下のどこかに置くことができますdef train()
。スコープ「conv1」の下でvarにアクセスする方法に注意してください
# Visualize conv1 features
with tf.variable_scope('conv1') as scope_conv:
weights = tf.get_variable('weights')
# scale weights to [0 255] and convert to uint8 (maybe change scaling?)
x_min = tf.reduce_min(weights)
x_max = tf.reduce_max(weights)
weights_0_to_1 = (weights - x_min) / (x_max - x_min)
weights_0_to_255_uint8 = tf.image.convert_image_dtype (weights_0_to_1, dtype=tf.uint8)
# to tf.image_summary format [batch_size, height, width, channels]
weights_transposed = tf.transpose (weights_0_to_255_uint8, [3, 0, 1, 2])
# this will display random 3 filters from the 64 in conv1
tf.image_summary('conv1/filters', weights_transposed, max_images=3)
すべてのconv1
フィルターを 1 つの見やすいグリッドで視覚化する場合は、それらを自分でグリッドに編成する必要があります。今日はそれを行ったので、conv1 をグリッドとして視覚化するための要点を共有したいと思います
次の方法で、値を numpy 配列として抽出できます。
with tf.variable_scope('conv1', reuse=True) as scope_conv:
W_conv1 = tf.get_variable('weights', shape=[5, 5, 1, 32])
weights = W_conv1.eval()
with open("conv1.weights.npz", "w") as outfile:
np.save(outfile, weights)
'conv1'
スコープ(私の場合)と変数名(私の場合)を調整する必要があることに注意してください'weights'
。
次に、numpy 配列の視覚化に要約します。numpy 配列を視覚化する方法の一例は次のとおりです。
#!/usr/bin/env python
"""Visualize numpy arrays."""
import numpy as np
import scipy.misc
arr = np.load('conv1.weights.npb')
# Get each 5x5 filter from the 5x5x1x32 array
for filter_ in range(arr.shape[3]):
# Get the 5x5x1 filter:
extracted_filter = arr[:, :, :, filter_]
# Get rid of the last dimension (hence get 5x5):
extracted_filter = np.squeeze(extracted_filter)
# display the filter (might be very small - you can resize the window)
scipy.misc.imshow(extracted_filter)
を使用するtensorflow 2 API
と、いくつかのオプションがあります。
get_weights()
関数を使用して抽出された重み 。
weights_n = model.layers[n].get_weights()[0]
numpy()
convert 関数を使用して抽出されたバイアス。
bias_n = model.layers[n].bias.numpy()