Python 3.x 如何从形状张量（？，1152,8）可视化图像？

我试图可视化胶囊网络层。以下是图层：

conv_layer1=tflearn.layers.conv.conv_2d(input_layer, nb_filter=256, filter_size=9, strides=[1,1,1,1],
                                    padding='same', activation='relu', regularizer="L2", name='conv_layer_1')
conv_layer2=tflearn.layers.conv.conv_2d(conv_layer1, nb_filter=256, filter_size=9, strides=[1,2,2,1],
                                    padding='same', activation='relu', regularizer="L2", name='conv_layer_2')
conv_layer3=tf.reshape(conv_layer2,[-1,1152,8], name='conv_layer3')

每层的形状如下所示：

layer_1: (?, 50, 50, 256)
layer_2: (?, 25, 25, 256)
layer_3: (?, 1152, 8)

image = X_train[1]
test = tf.Session()
init = tf.global_variables_initializer()

test.run(init) #(tf.global_variables_initializer())
filteredImage = test.run(conv_layer3, feed_dict{x:image.reshape(1,50,50,3)})
for i in range(64):
    plt.imshow(filteredImage[:,:,:,i].reshape(-1,25))
    plt.title('filter{}'.format(i))
    plt.show()

在这里，我可以用随机训练图像可视化前两层。可视化代码如下所示：

layer_1: (?, 50, 50, 256)
layer_2: (?, 25, 25, 256)
layer_3: (?, 1152, 8)

image = X_train[1]
test = tf.Session()
init = tf.global_variables_initializer()

test.run(init) #(tf.global_variables_initializer())
filteredImage = test.run(conv_layer3, feed_dict{x:image.reshape(1,50,50,3)})
for i in range(64):
    plt.imshow(filteredImage[:,:,:,i].reshape(-1,25))
    plt.title('filter{}'.format(i))
    plt.show()

在这里，为了可视化第三层，我得到了以下错误：

InvalidArgumentError: Input to reshape is a tensor with 160000 values, but the requested shape requires a multiple of 9216
 [[node conv_layer3_9 (defined at <ipython-input-36-fd98b9e18bda>:20)  = Reshape[T=DT_FLOAT, Tshape=DT_INT32, _device="/job:localhost/replica:0/task:0/device:CPU:0"](conv_layer_2_11/Relu, conv_layer3_9/shape)]]

InvalidArgumentError:重塑的输入是一个具有160000个值的张量，但请求的形状需要9216的倍数
[[node conv_layer3_9（定义为：20）=重塑[T=DT_FLOAT，Tshape=DT_INT32，_device=“/job:localhost/replica:0/task:0/device:CPU:0”]（conv_layer2_11/Relu，conv_layer3_9/shape）]]

---

如何克服这一点并将第3层可视化？

问题在于定义第三层的位置。重塑（conv_layer2，[-11152,8]，name='conv_layer3'）此层的输入

conv_layer2

的形状是

？，25x25x256

给出了错误的

160000

值，您希望将其重塑为

？，1152x8

的形状，从而给出

9216

。因此，为了使整形有效，第一个整形应该是第二个整形的倍数

需要做哪些更改？@Anusamehta您可以更改层的尺寸，因此可以添加额外的卷积层。例如，如果第二层的尺寸为

？，6x6x256

，这将在不改变输出形状的情况下解决重塑问题。