keras - 在 Keras 中显示模型布局/设计(包括所有连接)

Question

与我从 .h5 加载经过训练的模型相比，在训练后测试 Keras LSTM 模型时，我有很大的不同。文件(第一个的准确度总是 > 0.85，但后者的准确度总是低于 < 0.2，即随机猜测)。

但是我检查了权重，它们是相同的，也是 Keras 通过 plot_model 给我的稀疏布局是一样的，但由于这只能检索粗略的概述:

是否可以显示 Keras 模型的完整布局(尤其是节点连接)？

Answer 1

如果您使用 tensorflow 后端，除了 plot_model ，您也可以使用 keras.callbacks.TensorBoard 回调以在 tensorboard 中可视化整个图形。例子:

callback = keras.callbacks.TensorBoard(log_dir='./graph', 
                                       histogram_freq=0, 
                                       write_graph=True, 
                                       write_images=True)
model.fit(..., callbacks=[callback])

然后运行 ​​ tensorboard --logdir ./graph来自同一个目录。

这是一个快速的捷径，但你可以走得更远。
例如，添加 tensorflow 代码以在自定义 tf.Graph 中定义(加载)模型例如，像这样:

from keras.layers import LSTM
import tensorflow as tf

my_graph = tf.Graph()
with my_graph.as_default():
  # All ops / variables in the LSTM layer are created as part of our graph
  x = tf.placeholder(tf.float32, shape=(None, 20, 64))
  y = LSTM(32)(x)

..之后你可以 list all graph nodes with dependencies , evaluate any variable , display the graph topology等等，以比较模型。

我个人认为， 最简单的方法是设置您自己的 session .它适用于所有情况，只需最少的修补:

import tensorflow as tf
from keras import backend as K

sess = tf.Session()
K.set_session(sess)
...
# Now can evaluate / access any node in this session, e.g. `sess.graph`