慕尼黑5688855
2023-10-06 19:18:16
我剛開始學(xué)習(xí)python,想學(xué)習(xí)PyCharm上的CNN實(shí)現(xiàn)。我調(diào)試了代碼,但無法看到/可視化矩陣的輸出值。我只收到了從這到h_conv1 = tf.nn.relu(conv1d(x_image, W_conv1) + b_conv1)這Tensor("Relu:0", shape=(?, 1, 200, 196), dtype=float32)。據(jù)我所知,這個(gè)輸出張量是196個(gè)1*200維度的矩陣。但是,我想知道這些矩陣中的輸出值。為了更清楚地理解,下面是一個(gè)示例,如下圖所示:我們有 6 * 6 * 3,3 個(gè) 6 * 6 的矩陣,我們在每個(gè)矩陣上應(yīng)用兩個(gè)過濾器,因此它導(dǎo)致兩個(gè) 4*4 維度的矩陣。我想在調(diào)試時(shí)使用 TensorFlow 在 pycharm 中查看這兩個(gè)矩陣值?
1 回答

萬千封印
TA貢獻(xiàn)1891條經(jīng)驗(yàn) 獲得超3個(gè)贊
在TensorFlow中有兩種環(huán)境來實(shí)現(xiàn)深度模型:
1:Eager Execution:Eager Execution是一個(gè)強(qiáng)大的執(zhí)行環(huán)境,可以立即評估操作。它不構(gòu)建圖,并且操作返回實(shí)際值而不是稍后運(yùn)行的計(jì)算圖。通過 Eager 執(zhí)行,TensorFlow 會計(jì)算代碼中出現(xiàn)的張量值。
2:圖形執(zhí)行:由于急切執(zhí)行在Python中逐一運(yùn)行所有操作,因此它無法利用潛在的加速機(jī)會。圖執(zhí)行從 Python 中提取張量計(jì)算,并在評估之前構(gòu)建高效的圖。
因此,Eager Execution 可以完成您的工作。請進(jìn)一步檢查此鏈接:https://towardsdatascience.com/eager-execution-vs-graph-execution-which-is-better-38162ea4dbf6
添加回答
舉報(bào)
0/150
提交
取消