1

我想获得卷积神经网络中特定输入的中间张量的值。我知道如何在 keras 中做到这一点，即使我已经使用 keras 训练了模型，我将继续使用 tensorflow 构建和训练模型。因此，我想摆脱K.function(input_layer, output_layer)相当简单的东西，而是使用 tensorflow。我相信我应该使用占位符值，例如以下方法：

with tf.compat.v1.Session(graph=tf.Graph()) as sess:
    loaded_model = tf.keras.models.load_model(filepath)
    graph = tf.compat.v1.get_default_graph()  
    images = tf.compat.v1.placeholder(tf.float32, shape=(None, 28, 28, 1)) # To specify input at MNIST images
    output_tensor = graph.get_tensor_by_name(tensor_name) # tensor_name is 'dense_1/MatMul:0'
    output = sess.run([output_tensor], feed_dict={images: x_test[0:1]}) # x_test[0:1] is of shape (1, 28, 28, 1)
    print(output)

但是，我收到以下错误消息sess.run()：Invalid argument: You must feed a value for placeholder tensor 'conv2d_2_input' with dtype float and shape [?,28,28,1]. 我不确定为什么会收到此消息，因为用于的图像feed_dict是 float 类型，并且我认为是正确的形状。将建议任何帮助。

4

1 回答 1

1

您必须使用 Keras 模型中的输入张量，而不是制作您自己的新占位符，这将与模型的其余部分断开连接：

with tf.Graph().as_default(), tf.compat.v1.Session() as sess:
    # Load model
    loaded_model = tf.keras.models.load_model(filepath)
    # Take model input tensor
    images = loaded_model.input
    # Take output of the second layer (index 1)
    output_tensor = loaded_model.layers[1].output
    # Evaluate
    output = sess.run(output_tensor, feed_dict={images: x_test[0:1]})
    print(output)
于 2020-07-08T11:29:55.667 回答