TensorFlow 可視化中間卷積層

TensorFlow 可視化中間卷積層圖像方法

主要函數

tf.summary.image(name, tensor, max_outputs=3, collections=None, family=None)

參數解析
name：A name for the generated node. Will also serve as a series name in TensorBoard.

tensor：A 4-D uint8 or float32 Tensor of shape [batch_size, height, width, channels] where channels is 1, 3, or 4.

• 1: tensor is interpreted as Grayscale.
• 3: tensor is interpreted as RGB.
• 4: tensor is interpreted as RGBA.
  圖像具有與輸入張量相同的通道數。對於浮點輸入，將值一次標准化為一個在[0, 255], uint8值不變。op使用兩種不同的規范化算法：

如果輸入值都是正數，則重新調整它們，因此最大值為255。

如果任何輸入值為負，則移動值，使輸入值0.0為127.然后重新調整它們，使得最小值為0，或者最大值為255。

max_outputs: Max number of batch elements to generate images for.

核心思想
將特征圖看作是多幅（通道）的圖像。首先將當前特征圖按照其通道數上的維度拆分，然后對拆分后的特征圖逐個可視化。

代碼樣例

    with tf.variable_scope('layer1-conv1'):
        conv1_weights=tf.get_variable('weights'，[5,5,1,6],initializer=tf.truncated_normal_initializer(stddev=0.1))
        conv1_biases=tf.get_variable('biases',[6],initializer=tf.constant_initializer(0.1))
        conv1=tf.nn.conv2d(input_tensor,conv1_weights,strides=[1,1,1,1],padding='VALID')
        bias1=tf.nn.bias_add(conv1,conv1_biases)
        relu1=tf.nn.relu(bias1)

        split = tf.split(relu1, relu1.shape[-1], axis=3) 
        for i in range(relu1.shape[-1]):
            tf.summary.image("layer1-conv1-channel_"+str(i),split[i],1)

實際操作

TensorBoard可視化最后inst_depth層（batch, height, width,(K+1))

附加：ubuntu無法訪問局域網下win10共享文件解決

原因：win10默認不開啟samba1.0 共享文件服務
方案:
1、進入“控制面板”，進入“程序和功能“

2、選擇“啟用或關閉Windows功能”

3、在功能列表中確保選中“SMB1.0/CIFS文件共享支持”，然后確定安裝，重新啟動電腦即可生效。