定义Keras函数
定义Keras函数
提问于 2018-06-09 01:59:03
我最近开始学习深度学习和CNN。我遇到了下面的代码，它定义了一个简单的CNN。
有谁能帮助我理解这些行是如何工作的：
loss = layer_output[:, :, :, 0]-结果是什么？我的问题是，网络还没有经过训练。权重内核尚未计算。那么，它将返回什么样的数据呢！Keras是否代表了第一个内核?iterate = K.function([input_img], [loss, grads])--在0网站上没有太多的文档。我所理解的是，iterate是一个函数，它接受一个输入张量，并返回一个张量列表，第一个是loss，第二个是grads。但是，它们是在其他地方定义的!！
使用以下尺寸定义输入图像：
img_data = np.random.uniform(size=(1, 250, 250, 3)) 这里有一个简单的CNN，它有一个卷积层。它使用两个3X3内核。
input = Input(shape=250, 250, 3,), name='input_1')
First_Conv2D = Conv2D(2, kernel_size=(3, 3), padding="same", name='conv2d_1', activation='relu')(input)
flat = Flatten(name='flatten_1')(First_Conv2D)
output = Dense(2, name='dense_1', activation='softmax')(flat)
model = Model(inputs=[input], outputs=[output])
layer_dict = dict([(layer.name, layer) for layer in model.layers[0:]])
layer_output = layer_dict['conv2d_1'].output
input_img = model.input
# Calculate loss and gradient.
loss = layer_output[:, :, :, 0]
grads = K.gradients(loss, input_img)[0]
# Define a Keras function
iterate = K.function([input_img], [loss, grads])
# Call iterate function
loss_value, grads_value = iterate([img_data])谢谢。
回答 1
Stack Overflow用户
发布于 2018-06-09 03:37:11
这看起来像是对Keras作为一个API的令人讨厌的剖析。我认为这会导致更多的混乱，而不是对深度学习的介绍。无论如何，回答你的问题：
- 所有张量都是象征性的，这意味着在我们运行会话之前，它们不包含任何值。相反，它们定义了一个有向计算图。
loss = layer_output[:,:,:,0]是一个切片操作，它获取最后一个维度的第一个元素，返回另一个3维的张量。当您使用实际输入运行会话时，张量将具有这些操作运行的值。这些操作几乎与NumPy ndarray相同，ndarray不是符号的，包含值，你可以得到一个ndarray，它只是将输入粘合到输出，返回一个单一的操作，当给定输入时，它将跟随计算图从输入到定义的输出。在这种情况下，给定一个单输入列表，它将返回一个包含2个输出张量损失和梯度的列表。这些仍然是象征性的，记住，如果你尝试打印一个，你只会得到它是什么，它的形状，数据类型。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50766143
复制相关文章
相似问题