如何在keras模型中可视化学习到的训练权重？
如何在keras模型中可视化学习到的训练权重？
提问于 2019-05-19 22:34:19
我想看看我的keras模型的可训练权重值，目的是看看训练后是否存在大片的0或1。
我的keras使用的是tensorflow后端。这是在docker图像中运行的，并从jupyter笔记本运行。
这就是我所走的路。
print(model.summary())将生成所有可训练参数的列表。
_____________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_1 (InputLayer) (None, 512, 512, 3) 0
_________________________________________________________________
conv2d_1 (Conv2D) (None, 512, 512, 16) 448
_________________________________________________________________
activation_1 (Activation) (None, 512, 512, 16) 0
_________________________________________________________________
batch_normalization_1 (Batch (None, 512, 512, 16) 64
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 256, 256, 16) 0
_________________________________________________________________
conv2d_2 (Conv2D) (None, 256, 256, 32) 4640 model.trainable_weights让我看到了底层的tensorflow变量。
[<tf.Variable 'conv2d_1/kernel:0' shape=(3, 3, 3, 16) dtype=float32_ref>,
<tf.Variable 'conv2d_1/bias:0' shape=(16,) dtype=float32_ref>,
<tf.Variable 'batch_normalization_1/gamma:0' shape=(16,) dtype=float32_ref>,
<tf.Variable 'batch_normalization_1/beta:0' shape=(16,) dtype=float32_ref>,
<tf.Variable 'conv2d_2/kernel:0' shape=(3, 3, 16, 32) dtype=float32_ref>,
<tf.Variable 'conv2d_2/bias:0' shape=(32,) dtype=float32_ref>,我如何打印这些变量的值，以查看有多少变量获得了像0、1或无穷大这样的疯狂值？
回答 1
Stack Overflow用户
回答已采纳
发布于 2019-05-20 01:15:52
最简单的方法是评估权重张量：
from keras import backend as K
for w in model.trainable_weights:
print(K.eval(w))K.eval(w)将返回一个numpy数组，因此您可以对其执行通常的检查，例如：
np.isnan(w)
np.isinf(w)
w == 0
w == 1您可以使用np.any或np.argwhere来挑选出有问题的值。
干杯
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/56208810
复制相关文章
相似问题