python - 如何在 Tensorflow 中显示隐藏层输出

Question

在将模型与其存储的 protobuf 版本(通过 this conversion script)进行比较时，我遇到了输出差异。为了进行调试，我分别比较了两层。对于测试序列中的权重和实际层输出，我收到相同的输出，因此我不确定如何访问隐藏层。

这是我加载图层的方式

    input  = graph.get_tensor_by_name("lstm_1_input_1:0")
    layer1 = graph.get_tensor_by_name("lstm_1_1/kernel:0")
    layer2 = graph.get_tensor_by_name("lstm_1_1/recurrent_kernel:0")
    layer3 = graph.get_tensor_by_name("time_distributed_1_1/kernel:0")
    output = graph.get_tensor_by_name("activation_1_1/div:0")

这是我想显示各个元素的方式。

显示权重:

with tf.Session(graph=graph) as sess:
       print sess.run(layer1)
       print sess.run(layer2)
       print sess.run(layer3)

显示输出:

with tf.Session(graph=graph) as sess:
    y_out, l1_out, l2_out, l3_out = sess.run([output, layer1, layer2, layer3], feed_dict={input: X_test})

使用此代码 sess.run(layer1) == sess.run(layer1,feed_dict={input:X_test}) 这不应该是真的。

有人可以帮帮我吗？

Answer 1

当您运行 sess.run(layer1) 时，您是在告诉 tensorflow 计算 layer1 张量的值，即 ...

layer1 = graph.get_tensor_by_name("lstm_1_1/kernel:0")

...根据您的定义。请注意，LSTM 内核是权重变量。它不取决于输入，这就是为什么您使用sess.run(layer1, feed_dict={input:X_test}) 得到相同结果的原因>。如果提供了输入，tensorflow 不会计算输出——它计算的是指定的 张量，在本例中为 layer1。

什么时候 input 重要？当对它有依赖时。例如:

• sess.run(输出)。如果没有 input 或任何允许计算 input 的张量，它根本无法工作。
• 优化操作，例如 tf.train.AdapOptimizer(...).minimize(loss)。运行此操作将更改 layer1，但它也需要 input 来执行此操作。