查看网络各个层输出的形状

来源：2-1 tfkeras简介

慕婉清4532196

2019-09-15

老师指导怎么在tensorflow中查看网络各个层输出矩阵的形状么？

写回答

1回答

正十七

2019-09-18

在tf2.0中，你直接print输出tensor的shape就可以啊。

t = tf.constant([[1., 2., 3.], [4., 5., 6.]])
print(t.shape)

如果你指的是keras封装的层次，那么不行，不过你可以用函数式的方法搭建网络，这样每一层的输出都有一个变量，这样就可以打印了。类似这个：

# 函数式API 功能API
input = keras.layers.Input(shape=x_train.shape[1:])
hidden1 = keras.layers.Dense(30, activation='relu')(input)
hidden2 = keras.layers.Dense(30, activation='relu')(hidden1)
# 复合函数: f(x) = h(g(x))

concat = keras.layers.concatenate([input, hidden2])
output = keras.layers.Dense(1)(concat)

model = keras.models.Model(inputs = [input],
                           outputs = [output])

Google老师亲授 TensorFlow2.0 入门到进阶

Tensorflow2.0实战—以实战促理论的方式学习深度学习

1849 学习 · 896 问题

查看课程

相似问题

网络输入&像素点

回答 1

预测函数？

回答 1

相同的神经网络只定义一个可以吗

回答 1

如何确定神经网络的层数以及每一层的神经元数目？

回答 1

请问按视频里的图，训练一开始的时候出现梯度消失，为什么随着epoch增加，这个问题网络自己就得到了解决呢？

回答 1

打开慕课网App查看更多内容