Tensorboard特征图可视化

最新推荐文章于 2025-05-15 17:22:53 发布

等一杯咖啡

最新推荐文章于 2025-05-15 17:22:53 发布

阅读量1.5w

点赞数 10

CC 4.0 BY-SA版权

分类专栏：深度学习文章标签： tensorflow tensorboard 特征图可视化

本文链接：https://blog.csdn.net/bskfnvjtlyzmv867/article/details/80450176

本文介绍了如何在Tensorboard中进行特征图可视化，特别是在孪生卷积神经网络中验证参数共享。由于原始特征图通道数较大，通过自定义的tf.concat方法将其reshape为单通道，以便于Tensorboard显示。文中提供了代码示例，并提到可通过选择部分特征图来调整可视化大小。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

实现孪生卷积神经网络时，验证是否共享了参数，进行了特征图可视化。由于卷积层特征图通道都很大，需要进行重新reshape成Tensorboard可以显示的通道数（１或３或４），这里全部变成了单通道的特征图。没有使用tf.reshape()是因为发现有问题，所以还是自己重新利用tf.concat进行reshape。

效果

这里写图片描述

代码提示

主要是最后两个函数，一个添加Tensorboard，一个对特征图进行reshape,很简单的思路。如果嫌特征图太小了，可以选择每次选一半的特征图进行reshape。见代码注释！

代码

# coding=utf-8

"""孪生卷积神经网络"""

import tensorflow as tf
import numpy as np
import math


class SiameseNet(object):

    def __init__(self):
        print("正在构建孪生网络...")
        self.opts = {
  'trainWeightDecay': 0.0, 'stddev': 0.01}

    def build_siamese_cnn_network(self, input):
        first_image = tf.expand_dims(input[:, :, :, 0], 3)
        second_image = tf.expand_dims(input[:, :, :, 1], 3)

        with tf.variable_scope('siamese_CNN') as scope:
            first_output = self._build_branch(first_image, True)
            scope.reuse_variables()
            second_output = self._build_branch(second_image, False)

        return first_output, second_output

    def _build_branch(self, image, branch):
        print("构建孪生网络分支...")

        with tf.variable_scope('conv_block1_1'):
            print("构建conv1,relu1...")
            name = tf.get_variable_scope().name
            outputs = self._conv(image, 64, 3, 1, self.opts['trainWeightDecay'], self.opts['stddev'])
            o

最低0.47元/天解锁文章