Tensorboard---输入特征图可视化

最新推荐文章于 2024-01-08 16:40:57 发布

放下扳手&拿起键盘

最新推荐文章于 2024-01-08 16:40:57 发布

阅读量3.4k

点赞数

分类专栏： tensorflow

本文链接：https://blog.youkuaiyun.com/william_hehe/article/details/85640288

版权

tensorflow 专栏收录该内容

43 篇文章

订阅专栏

本文介绍如何利用TensorFlow的summary模块将卷积神经网络中的特征图转换为图像进行可视化，通过实例展示了如何将卷积层的特征图按通道拆分并逐一展示，帮助理解神经网络内部的工作原理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.预备知识：

tf.summary.image(name, tensor, max_outputs=3, collections=None, family=None)

参数解析：

name：A name for the generated node. Will also serve as a series name in TensorBoard.

tensor：A 4-D `uint8` or `float32` `Tensor` of shape `[batch_size, height, width, channels]` where `channels` is 1, 3, or 4.

* 1: `tensor` is interpreted as Grayscale.
* 3: `tensor` is interpreted as RGB.
* 4: `tensor` is interpreted as RGBA.
max_outputs: Max number of batch elements to generate images for.

Returns: A scalar `Tensor` of type `string`. The serialized `Summary` protocol buffer.

2.核心思想：

即将特征图看作是多幅（通道）的图像。首先将当前特征图按照其通道数上的维度拆分，然后对拆分后的特征图逐个可视化。

3.代码实现：

    with tf.variable_scope('layer1-conv1'):
        conv1_weights=tf.get_variable('weights'，[5,5,1,6],initializer=tf.truncated_normal_initializer(stddev=0.1))
        conv1_biases=tf.get_variable('biases',[6],initializer=tf.constant_initializer(0.1))
        conv1=tf.nn.conv2d(input_tensor,conv1_weights,strides=[1,1,1,1],padding='VALID')
        bias1=tf.nn.bias_add(conv1,conv1_biases)
        relu1=tf.nn.relu(bias1)

        split = tf.split(relu1, relu1.shape[-1], axis=3) 
        for i in range(relu1.shape[-1]):
            tf.summary.image("layer1-conv1-channel_"+str(i),split[i],1)  #可视化卷积层特征图

4.结果：