如何在tensorflow中打印出中间层的特征输出1

本文介绍如何在TensorFlow深度学习模型中,特别是在卷积神经网络中,添加名字来打印并查看中间层的特征输出。通过为模型层指定name属性,可以在训练过程中监控特定层的输出。
摘要由CSDN通过智能技术生成

如何在tensorflow中打印出中间层的特征输出1


首先想打印出中间层的输出,需要看清出自己使用什么方式搭建的网络模型。搭建网络模型的有通过class搭建和model.add()搭建方式,每种的搭建方式有不同的结构,对应的有不同的方式输出特征层。
1、先说一下通过model.add()搭建的网络模型的中间层的特征输出方式。
首先需要在网络模型中进行定义命名。下面是一些代码,但是训练集就不放在这了。
下面展示一些 内联代码片

// A code block
import tensorflow as tf
from tensorflow.keras import Model
from tensorflow.keras.layers import Dense,Flatten,Conv1D,BatchNormalization,MaxPool1D
from tensorflow.keras import Sequential
from tensorflow.keras.regularizers import l2
input_shapes = x_train.shape[1:]
model = Sequential()
model.add(Conv1D(filters=16,kernel_size=64,strides=16,
padding='same',kernel_regularizer=l2(1e-4),input_shape=input_shapes,**name='Conv1D'**))
if BatchNormalization:
	model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(MaxPool1D(pool_size=2,strides=2))

model.add(Dense(units=100,activation='relu',kernel_regularizer=l2(1e-4)))
model.add(Activation('relu'))
model.add(Dense(units=10),activation='softmax',kernel_regularizer=l2(1e-4)))
model.compile(optimizer=tf.keras.optimizers.Adam(0.0001),
                      loss='categorical_crossentropy',
                      metrics=['accuracy'])
model.fit(x_train,y_train,batch_size=70,epochs=10,validation_data=(x_test,y_test))

###########下面是一些打印出name='Conv1D'的输出特征
conv1d = Model(inputs=model.input,outputs=model.get_layer('Conv1D').output)
conv1d_out = conv1d.predict(x_test)#这个是x_train或者x_test
print('This is conv1d_out','conv1d_out)

###########
// An highlighted block
import tensorflow as tf
from tensorflow.keras import Model
from tensorflow.keras.layers import Dense,Flatten,Conv1D,BatchNormalization
  • 4
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 6
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值