python - 有没有办法将 K-Means 应用于 tensorflow 中的 Conv/Dense 层的输出？

Question

我已经使用以下配置对时尚 MNIST 数据训练了 CNN：Conv-Pool-Dropout-Conv-Pool-Dropout-Flat-Dense-Dropout-Output 我想将配置更改为：Conv-Clustering-Pool-Dropout- Conv-Clustering-Pool-Dropout-Flat-Dense-Clustering-Dropout-Output 但是，我希望这个新配置仅用于测试而不是训练模型（我可以使用训练模型中的权重并将它们设置为具有聚类的模型配置）。有没有办法使用 tensorflow 添加聚类层？我想使用聚类质心来表示 Conv 和 Dense 层的输出，以检查对模型准确性的影响。

Answer 1

你问的其实是两个问题：

1. 如何仅在某些配置中应用操作而不在其他配置中应用操作？
2. 如何应用 k-means？

以下是答案：

1. 要基于某些 tensorflow 变量的值应用操作，do_clustering您可以使用tf.cond：

   maybe_clustered_ouput = tf.cond(do_clustering,
                                   lambda: my_clustering_operation(input),
                                   lambda: input)
   

2. 要应用 k-means 聚类，您可以使用tf.compat.v1.estimator.experimental.KMeans（并在上面的代码片段中替换它而不是 my_clustering_operation ）

祝你好运 ：）