tensorflow keras 查找中间tensor并构建局部子图

dreamans 发布于2019-07-30 18:46 / 1230人阅读

摘要：但是对于自定义层的中间变量，就没办法获得了，因此需要使用方法二。通过逐层向上查找定义一个迭代函数，不断查找接着获得某层的输出调用迭代函数，找到该最后，调用构建局部图，并运行此时打印可以看到类似如下大功告成

在Mask_RCNN项目的示例项目nucleus中，stepbystep步骤里面，需要对网络模型的中间变量进行提取和可视化，常见方式有两种：

通过 get_layer方法：

outputs = [
    ("rpn_class", model.keras_model.get_layer("rpn_class").output),
    ("proposals", model.keras_model.get_layer("ROI").output)
    ]

此方法可以读取层的输出，对于输出多于1个tensor的，可以指定get_layer("rpn_class").output[0:2]等确定。
但是对于自定义层的中间变量，就没办法获得了，因此需要使用方法二。

通过 tensor.op.inputs 逐层向上查找

定义一个迭代函数，不断查找

def find_in_tensor(tensor,name,index=0):
    index += 1
    if index >20:
        return
    tensor_parent = tensor.op.inputs
    for each_ptensor in tensor_parent:
        #print(each_ptensor.name)
        if bool(re.fullmatch(name, each_ptensor.name)):
            print("find it!")
            return each_ptensor
        result = find_in_tensor(each_ptensor,name,index)
        if result is not None:
            return result

接着获得某层的输出,调用迭代函数，找到该tensor

pillar = model.keras_model.get_layer("ROI").output
nms_rois = find_in_tensor(pillar,"ROI_3/rpn_non_max_suppression/NonMaxSuppressionV2:0")
outputs.append(("NonMaxSuppression",nms_rois))

最后，调用kf.fuction构建局部图，并运行：

submodel = model.keras_model
outputs = OrderedDict(outputs)
if submodel.uses_learning_phase and not isinstance(K.learning_phase(), int):
    inputs += [K.learning_phase()]
kf = K.function(submodel.inputs, list(outputs.values()))
in_p,ou_p = next(train_generator)
output_all = kf(in_p)

此时打印outputs可以看到类似如下：

OrderedDict([("rpn_class",),
             ("proposals",),
             ("fpn_p2",),
             ("fpn_p3",),
             ("fpn_p4",),
             ("fpn_p6",),
             ("NonMaxSuppression",)])

大功告成~

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/43024.html

Tensorflow代码解析（二）

摘要：为了进一步了解的逻辑，图对和进行了展开分析。另外，在命名空间中还隐式声明了控制依赖操作，这在章节控制流中相关说明。简述是高效易用的开源库，有效支持线性代数，矩阵和矢量运算，数值分析及其相关的算法。返回其中一块给用户，并将该内存块标识为占用。 3. TF 代码分析初步3.1 TF总体概述为了对TF有整体描述，本章节将选取TF白皮书[1]中的示例展开说明，如图 3 1所示是一个简单线性模型的TF...

zhigoo 2019-04-25 18:10 评论0 收藏0
以静制动的TensorFlow Fold动态计算图介绍

摘要：近日它们交锋的战场就是动态计算图，谁能在这场战争中取得优势，谁就把握住了未来用户的流向。所以动态框架对虚拟计算图的构建速度有较高的要求。动态计算图问题之一的多结构输入问题的高效计随着深度学习的发展，深度学习框架之间竞争也日益激烈，新老框架纷纷各显神通，想要在广大DeepLearner的服务器上占据一席之地。近日它们交锋的战场就是动态计算图，谁能在这场战争中取得优势，谁就把握住了未来用户的流...

waltr 2019-04-25 18:08 评论0 收藏0
Tensorflow代码解析（四）

摘要：联合查找算法是并查集数据结构一种应用。并查集是一种树型的数据结构，其保持着用于处理一些不相交集合的合并及查询问题。的特征是删除节点。目前就职于腾讯事业部，从事神经机器翻译工作。 5. TF - Graph模块TF把神经网络模型表达成一张拓扑结构的Graph，Graph中的一个节点表示一种计算算子。Graph从输入到输出的Tensor数据流动完成了一个运算过程，这是对类似概率图、神经网络等连接...

马龙驹 2019-04-25 18:10 评论0 收藏0