在tf.layers.conv2d中可视化过滤器权重

Question

我在TensorFlow V1.0中使用tf.layers.conv2d进行卷积。

一个例子如下：

conv1 = tf.layers.conv2d(batch_images, filters=96,
                                     kernel_size=7,
                                     strides=2,
                                     activation=tf.nn.relu,
                                     kernel_initializer=tf.contrib.layers.xavier_initializer_conv2d(uniform=False),
                                     bias_initializer=tf.contrib.layers.xavier_initializer(uniform=False),
                                     kernel_regularizer=tf.nn.l2_loss,
                                     bias_regularizer=tf.nn.l2_loss,
                                     name='conv1')

然后我尝试按如下方式收集过滤器权重： -

l1weights = tf.get_collection(tf.GraphKeys.WEIGHTS, 'conv1')

然而，虽然网络正在接受培训，但我会在会话中评估[]时获得l1weights。

如何使用tf.summary.image提取过滤器权重并将其可视化？

Answer 1

我设法使用以下

获得权重

conv1 = tf.layers.conv2d(
    inputs=input_layer,
    filters=32,
    kernel_size=[5, 5],
    padding="same",
    activation=tf.nn.relu, name='conv1')

kernel = tf.get_collection(tf.GraphKeys.VARIABLES, 'conv1/kernel')[0]
bias = tf.get_collection(tf.GraphKeys.VARIABLES, 'conv1/bias')[0]

希望它有所帮助。

Answer 2

我建议在tf.contrib.keras.layers.Conv2D中使用基于类的图层API，它将变量公开为图层对象的成员。

另外，请确保您在训练模型的同一会话中获取变量，否则您将获得未初始化的变量错误。