keras獲得model中某一層的某一個(gè)Tensor的輸出維度教程
更新時(shí)間：2020年01月24日 10:49:31 作者：Lv_Can
今天小編就為大家分享一篇keras獲得model中某一層的某一個(gè)Tensor的輸出維度教程，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
獲得某層tensor的輸出維度
代碼如下所示：
from keras import backend as K
@wraps(Conv2D)
def my_conv(*args,**kwargs):
new_kwargs={'kernel_regularizer':l2(5e-6)}
new_kwargs['padding']='valid' #'same'
new_kwargs['strides']=(2,2) if kwargs.get('strides')==(2,2) else (1,1)
# new_kwargs['kernel_initializer']=keras.initializers.glorot_uniform(seed=0)
new_kwargs.update(kwargs)
return Conv2D(*args,**new_kwargs)
def conv(x,**kwargs):
x=my_conv(**kwargs)(x)
x=BatchNormalization(axis=-1)(x)
x=LeakyReLU(alpha=0.05)(x)
return x
def inception_resnet_a(x_input):
x_short=x_input
s1=conv(x_input,filters=32,kernel_size=(1,1))
s2=conv(x_input,filters=32,kernel_size=(1,1))
s2=conv(s2,filters=32,kernel_size=(3,3),padding='same')
s3=conv(x_input,filters=32,kernel_size=(1,1))
s3=conv(s3,filters=48,kernel_size=(3,3),padding='same')
s3=conv(s3,filters=64,kernel_size=(3,3),padding='same')
x=keras.layers.concatenate([s1,s2,s3])
x=conv(x,filters=384,kernel_size=(1,1))
x=layers.Add()([x_short,x])
x=LeakyReLU(alpha=0.05)(x)
print(K.int_shape(x))
使用K.int_shape(tensor_name)即可得到對(duì)應(yīng)tensor的維度
以上這篇keras獲得model中某一層的某一個(gè)Tensor的輸出維度教程就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
Python學(xué)習(xí)之while 循環(huán)語(yǔ)句
這篇文章主要給大家介紹了關(guān)于Python中while循環(huán)語(yǔ)句的相關(guān)資料，使用while循環(huán)語(yǔ)句可以解決程序中需要重復(fù)執(zhí)行的操作，文中通過(guò)示例代碼介紹的非常詳細(xì)，需要的朋友可以參考下2021-10-10
python+html實(shí)現(xiàn)前后端數(shù)據(jù)交互界面顯示的全過(guò)程
最近項(xiàng)目中采用了前后端分離的技術(shù),感覺(jué)有必要給大家總結(jié)下,所以下面這篇文章主要給大家介紹了關(guān)于python+html實(shí)現(xiàn)前后端數(shù)據(jù)交互界面顯示的相關(guān)資料,需要的朋友可以參考下2022-06-06
這篇文章主要介紹了pytorch 查看cuda 版本方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-06-06
python smtplib模塊實(shí)現(xiàn)發(fā)送郵件帶附件sendmail
這篇文章主要為大家詳細(xì)介紹了python smtplib模塊實(shí)現(xiàn)發(fā)送郵件帶附件sendmail，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-05-05
下面小編就為大家?guī)?lái)一篇python 第三方庫(kù)的安裝及pip的使用詳解。小編覺(jué)得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-05-05
python神經(jīng)網(wǎng)絡(luò)slim常用函數(shù)訓(xùn)練保存模型
這篇文章主要為大家介紹了python神經(jīng)網(wǎng)絡(luò)使用slim函數(shù)進(jìn)行模型的訓(xùn)練及保存模型示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-05-05
Python手動(dòng)實(shí)現(xiàn)Hough圓變換的示例代碼
Hough圓變換的原理相信大家都非常清楚了，但是手動(dòng)實(shí)現(xiàn)的比較少。這篇文章將為大家介紹手動(dòng)實(shí)現(xiàn)Hough圓變換的示例代碼，需要的可以了解一下2022-01-01
淺談Python3 numpy.ptp()最大值與最小值的差
今天小編就為大家分享一篇淺談Python3 numpy.ptp()最大值與最小值的差，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-08-08
Python 序列化 pickle/cPickle模塊使用介紹
這篇文章主要介紹了Python 序列化 pickle/cPickle模塊使用介紹,需要的朋友可以參考下
2014-11-11