用于可视化的tensorflow整形卷积滤波器
我有一个滤波器/内核权重的4D张量(卷积层)。用于可视化的tensorflow整形卷积滤波器,tensorflow,conv-neural-network,tensorboard,Tensorflow,Conv Neural Network,Tensorboard,我有一个滤波器/内核权重的4D张量(卷积层)。 它们通过形状[5,5,3,32],32个RGB 5x5过滤器传递给后续操作 为了使用tf.summary.image收集它们的值以进行监控/分析/存储,我需要将这个张量重新塑造成[32,5,5,3]的形状,然后将32个过滤器中的每个过滤器作为[5,5,3]的单独图像进行查看/存储 纯粹使用tf.reforme()是否可以实现这一点?或者我需要做多重张量变换吗 你需要转置而不是重塑,tf。转置(t,(3,0,1,2))应该做你需要做的事情(假设t是你
它们通过形状[5,5,3,32],32个RGB 5x5过滤器传递给后续操作 为了使用tf.summary.image收集它们的值以进行监控/分析/存储,我需要将这个张量重新塑造成[32,5,5,3]的形状,然后将32个过滤器中的每个过滤器作为[5,5,3]的单独图像进行查看/存储
纯粹使用
tf.reforme()
是否可以实现这一点?或者我需要做多重张量变换吗 你需要转置
而不是重塑
,tf。转置(t,(3,0,1,2))
应该做你需要做的事情(假设t
是你的张量),它将最后一个轴移动为第一个轴。我感觉转置可以完成这项工作。谢谢:)