Keras输出模型的各层的结果

最新推荐文章于 2023-02-13 22:04:46 发布

NNU_CJ

最新推荐文章于 2023-02-13 22:04:46 发布

阅读量2.6k

点赞数

分类专栏： Keras边用边学

本文链接：https://blog.csdn.net/NNU_CJ/article/details/102861675

版权

在DenseNet加LSTM的文字识别项目中遇到训练问题，Loss和Accuracy停滞不前。为查找原因，尝试输出Keras模型的各层输出结果进行调试。测试代码包括从basemodel获取特定层的输出，并利用预处理图像的predict函数进行预测。

摘要由CSDN通过智能技术生成

由于在实际的项目中，使用DenseNet的模型做文字识别，为了提升识别效果在模型后接LSTM，但是在训练时出现了问题，发现Loss与Accuracy都保持不变。为了解决这个问题尝试打印每层的输出结果以排查问题。

测试代码：

# 用于测试
if __name__ == "__main__":
    reload(densenet2)
    characters = keys.alphabet[:]
    characters = characters[1:] + u'卍'
    nclass = len(characters)

    input = Input(shape=(32, None, 1), name='the_input')
    x = densenet2.dense_cnn(input, nclass)
    rnnunit = 256
    x = Bidirectional(GRU(rnnunit, return_sequences=True, implementation=2), name='blstm1')(x)
    x = Dense(rnnunit, name='blstm1_out', activation='linear')(x)
    x = Bidirectional(GRU(rnnunit, return_sequences=True, implementation=2), name='blstm2')(x)
    y_pred = Dense(nclass, name='out2', activation='softmax