文章/答案/技术大牛

发布

社区首页 >问答首页 >以tf.gradients为单位的输入图像大小

问以tf.gradients为单位的输入图像大小
EN

Stack Overflow用户

提问于 2016-12-09 03:03:09

回答 1查看 404关注 0票数 0

我试图计算相对于输入图像的某一层的梯度。梯度被定义为

feature = g.get_tensor_by_name('inception/conv2d0_pre_relu:0')
gradient = tf.gradients(tf.reduce_max(feature, 3), x)

我的输入图像的形状是(299,299)，这是inception is trained at

print(img.shape)
# output (299,299,3)

然后，相对于输入的梯度可以计算为

img_4d=img[np.newaxis]
res = sess.run(gradient, feed_dict={x: img_4d})[0]
print(res.shape)
# output (1,299,299,3)

我们看到梯度与输入图像具有相同的形状，这是意料之中的。

然而，似乎一个人可以使用任何大小的图像，但仍然可以获得梯度。例如，如果我有一个形状为(150,150,3)的img_resized，关于此输入的梯度也将具有形状(150,150,3)：

img_resized=skimage.transform.resize(img, [150,150], preserve_range=True)
img_4d=img_resized[np.newaxis]
res = sess.run(gradient, feed_dict={x: img_4d})[0]
res.shape
# output (1,150,150,3)

那么为什么这是可行的呢？在我的简单图片中，输入图像的尺寸必须固定为(299,299,3)，并且相对于输入的某一层的梯度将始终具有(299,299,3)的形状。为什么它能够生成其他大小的渐变？

换句话说，在上面的代码中发生了什么？当我们输入一个具有形状(150,150,3)的图像时，tensorflow是否将图像大小调整为(299,299,3)并计算具有形状(299,299,3)的梯度，然后将梯度大小调整回(150,150,3)？

python

neural-network

tensorflow

回答 1

Stack Overflow用户

发布于 2016-12-10 03:03:29

这是意料之中的现象，尤其是。在初始网络的情况下，由于是完全卷积网络，它可以与任何大小的输入一起工作。与Alexnet或VGG不同，它们依赖于网络后期的完全连接层，完全卷积网络可以在任何大小的输入上工作。希望这能回答你的问题。

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/41046951

复制

相似问题

问以tf.gradients为单位的输入图像大小
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问以tf.gradients为单位的输入图像大小EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问以tf.gradients为单位的输入图像大小
EN