tensorflow - 如何在 TensorFlow 中计算类激活图?
问题描述
我了解类激活图的定义以及如何在 Numpy 中生成它。但是,我不确定如何在 TensorFlow 中计算它,尤其是在 batch_size 维度未知的情况下。
目前,我已经获得了我最后一个卷积层“激活”的激活。GAP之后最后一个全连接层的权重矩阵是“last_fc_w”。
我想像这样计算类激活图:
cam = tf.matmul(activation, last_fc_w)
但是,我收到以下错误:*** ValueError: Shape must be rank 2 but is rank 4 for 'MatMul' (op: 'MatMul') with input shapes: [?,10,10,576], [576,2] .
激活张量的形状为 [?,10,10,576],其中 ? 是 batch_size 维度。全连接层权重的形状为[576, 2],其中2是类数,576是最后一个卷积层的通道数。
预期的输出将是一个大小为 [?, 10,10,2] 的张量,这是这两个类的类激活图。任何人都可以就如何实现这一目标提供一些指导吗?
解决方案
你可以试试keras.backend.dot
import tensorflow as tf
import numpy as np
x = tf.placeholder(shape=[None, 32, 32, 3], dtype=tf.float32)
out = tf.keras.layers.Conv2D(576, (3,3), padding='same', activation='relu')(x)
w = tf.Variable(tf.glorot_normal_initializer()([576, 2]))
print(out.shape)
cam = tf.keras.backend.dot(out, w)
print(cam.shape)
但在更高的 TF 版本(针对 1.15.0 测试)中,您现有的代码将可以工作。我测试了以下代码。
import tensorflow as tf
import numpy as np
x = tf.placeholder(shape=[None, 32, 32, 3], dtype=tf.float32)
out = tf.keras.layers.Conv2D(576, (3,3), padding='same', activation='relu')(x)
w = tf.Variable(tf.glorot_normal_initializer()([576, 2]))
print(out.shape)
cam = tf.matmul(out, w)
print(cam.shape)
从激活图创建掩码
简单的!
threshold = 0.5
mask = tf.cast(tf.less(cam, threshold), tf.float32) * cam
推荐阅读
- javascript - 如何更改 Chrome 扩展内部 HTML 页面
- android - 未通过调用 LinkedIn API Oauth 2.0 版获取公共个人资料 URL
- python - pjsip/pjsua2 - 如何获取音频流以将其发送到 Speech-to-Text 引擎
- javascript - 这些在创建模型之前加密密码的方法之间有区别吗?它们都是异步的吗?
- python - 如果一列包含一个单词,则使用找到的值生成一个新列
- php - 如何在简码中添加图像
- visual-c++ - Net-SNMP:无法在 VC 2017 版本 15 中构建
- html - 为什么必需的属性在百里香中不起作用?
- sql - 如何规范化列引用同一表中不同列的多行的表
- mongoose - Nestjs e2e 测试与模拟猫鼬模型