问如何在Tensorflow 2中获取Conv2D内核值

EN

问题

我有一个Conv2D层：

l0 = tf.keras.layers.Conv2D(1, 3, activation=None, input_shape=(36,36,3))

我想找出所使用的过滤器/内核矩阵中的确切值(而不仅仅是它们的数目)。如何访问内核矩阵值？

解决尝试

import tensorflow as tf
import numpy as np

我创建了一个numpy数组：

x_core = np.array([[1,0,0,1],
                   [0,0,0,0],
                   [0,0,0,0],
                   [1,0,0,1]],dtype=float)

将其转换为形状(1,4,4,1)张量：

x = tf.expand_dims(tf.expand_dims(tf.convert_to_tensor(x_core),axis=0),axis=3)

使用Conv2D对其应用strides=(2,2)层。这意味着输出将是2乘2矩阵，其中的左上角值将等于核矩阵中的左上角值，结果的右上角将等于核矩阵的右上角，等等。( x_core中的特定零和1实现了这一点。)

y = tf.keras.layers.Conv2D(1, 2, strides=(2,2), activation=None, input_shape=x.shape[1:])(x)

但是，如果我重新运行代码(即过滤器不是常数)，y会发生变化，这意味着内核矩阵是从一个分布中提取的。

类似问题

类似但不同的问题：How to get CNN kernel values in Tensorflow -这种方法只适用于Tensorflow 1。

• gr = tf.get_default_graph()给出AttributeError: module 'tensorflow' has no attribute 'get_default_graph'

如果我将

• 替换为Graph (因为我认为这是较新的等价物)，那么将name="conv1"放在我的层定义中：conv_layer_1 = tf.keras.layers.Conv2D(1, 2, strides=(2,2), activation=None, input_shape=x.shape[1:],name="conv1")然后按建议运行conv1_kernel_val = tf.Graph().get_tensor_by_name('conv1/kernel:0').eval()，I get:

KeyError：“名称‘卷积1/内核:0’指不存在的张量。图中不存在‘卷积1/内核’操作。”

。