首页 文章

如何用keras更好地组织张量板中的节点？

提问于
浏览 次
1

我正在使用keras而不是处理tensorflow因为它的简单性 . 但是当我试图通过向 model.fit() 的 callbacks 参数发送 keras.callbacks.Tensorboard 实例来实现keras中的计算图形时 . 我从 tensorboard 获得的图表非常笨拙，为了演示目的，这里我只构建一个非常简单的线性分类器，在1个密集层中有1个单元 . 但图表看起来像这样：
enter image description here

我可以做与在tensorflow中所做的相同的事情，比如使用name_space将事物分组在一起并给出图层，偏见，权重名称？我的意思是，在这里的图表中，它是如此混乱，我只能理解 Dense 层和 logistic loss 命名空间 . 但通常使用tensorflow，我们可以看到像 train 名称空间这样的东西，而没有那么多没有命名空间的节点 . 我怎样才能说得更清楚？

tensorflow keras tensorboard

1 回答

  • 1

    Tensorflow图显示了所有被调用的计算 . 你将无法简化它 .

    作为替代方案，Keras拥有自己的逐层图 . 这显示了一个清晰简洁的网络结构 . 你可以通过调用生成它

    from keras.utils import plot_model
plot_model(model, to_file='/some/pathname/model.png')

    最后，您还可以调用 model.summary() ，它会生成图形的文本版本，并附带其他摘要 .

    这是 model.summary() 的输出，例如：

    Layer (type)                     Output Shape          Param #     Connected to                     
====================================================================================================
input_1 (InputLayer)             (None, 2048)          0                                            
____________________________________________________________________________________________________
activation_1 (Activation)        (None, 2048)          0                                            
____________________________________________________________________________________________________
dense_1 (Dense)                  (None, 511)           1047039                                      
____________________________________________________________________________________________________
activation_2 (Activation)        (None, 511)           0                                            
____________________________________________________________________________________________________
decoder_layer_1 (DecoderLayer)   (None, 512)           0                                            
____________________________________________________________________________________________________
ctg_output (OrLayer)             (None, 201)           102912                                       
____________________________________________________________________________________________________
att_output (OrLayer)             (None, 312)           159744                                       
====================================================================================================
Total params: 1,309,695.0
Trainable params: 1,309,695.0
Non-trainable params: 0.0
    回复于

相关问题