如何获取tensorflow架构的信息

Question

我一直在努力重新训练TensorFlow Inception v3（见TensorFlow Github）并且很好奇我将如何获得一些通用的＃34;元数据＆＃34;关于模型。

例如：

• 有多少隐藏层？
• ＆＃34; last＆＃34;获得再培训的一层？
• 总神经元（或神经元/层）有多少？
• 使用了多少卷积？
• 使用了多少个游泳池？

我基本上希望能够写出描述模型的一两句话。网站上有句子

  

......单帧评估，计算成本为50亿，每次推断乘法增加，使用的参数少于2500万。

但我并不确定这意味着什么。这是2500万个神经元吗？

查看GitHub上引用的文档Rethinking the Inception Architecture for Computer Vision，我认为表1中需要的内容很多？

我会写这个吗？

＆＃34; TensorFlow InceptionV3是一个深度卷积神经网络，有13个隐藏层，使用6个卷积，2个汇集步骤和3个初始模块来执行图像的softmax分类＆＃34;

当然我想要句子中的正确数据，并且想知道模型中有多少神经元

谢谢！

Answer 1

你正走在正确的轨道上。是的，参数是神经元。例如，第一转换层的输出是网格大小为149 ^ 2的32个过滤器（内核）。这个层共有710,432个神经元/参数。

训练的关键部分是反向传播，它可以调整一层与下一层之间的权重。 SoftMax操作的结果是1000输出预测;最后一个训练过的层将是它与前一层的连接。

您可以从图表中读取简单的卷积和池。我不确定你是否应该在初始层中包含那些。

最后，如果我正确地阅读了这些内容，那么每个类型的多个单位都是串联的。这意味着我们有10个初始层，而不是3个。