TensorFlow是用來完成深度學習訓練的一個python第三方庫 ， 而深度學習過程之中會在不同的卷積層產生數據、特征以及訓練參數 。而有時需要將這些數據取出來進行查看和分析 ， 那么下文所主要介紹的內容就是 ， python使用第三方庫TensorFlow提取訓練參數和特征 ， 往下看看吧 。

一、創建卷積層
那么在提取訓練參數之前還需要去創建卷積層來完成模型訓練才可以 ， 卷積層創建使用的是layers模塊之中的conv2d()方法 。此方法需要傳入占位符、層上限、使用的算法、間隔方式等等參數才可以生成 ， 詳細代碼示例如下所示：
import tensorflow as tffrom skimage import io,transformimport numpy as npconv1=tf.layers.conv2d(inputs=x,filters=32,kernel_size=[5, 5],padding="same",activation=tf.nn.relu,      kernel_initializer=tf.truncated_normal_initializer(stddev=0.01))pool1=tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2)而創建其他的卷積層也是使用這個方法 ， 只不過參數所接受的值需要去進行更改 ， 而有多個卷積層存在時得建立全連接層才可以讓他們一起來完成深度學習模型訓練 。
二、特征提取
特征提取以及訓練參數獲取使用的都是同一個方法 ， 那就是trainable_variables() 。此方法會將當前程序內參與模型訓練的數據和特征全部都提取出來 ， 使用for循環可以將其迭代并且輸出 ， 代碼示例如下所示：
params=tf.trainable_variables()for idx, v in enumerate(params):  print("param {:3}:{:15}{}".format(idx, str(v.get_shape()), v.name))輸出的內容就是參數id、參數的大小以及特征名稱 ， 而要查看具體數據還需要使用Session()方法來構建對象 ， 然后調用run()方法才可以把具體實際的值給獲取到 ， 代碼如下所示：
sess=tf.Session()sess.run(tf.global_variables_initializer())【Python深度學習特征提取怎么做？Python如何使用TensorFlow獲取訓練參數】以上就是關于“Python深度學習特征提取怎么做？Python如何使用TensorFlow獲取訓練參數”的全部內容了 ， 希望對你有所幫助 。






微信掃碼 ， 學習更方便


現在報名贈100例知識點合集

猜你喜歡

• Python怎么畫時間輪播折線圖？Python如何繪制循環折線圖
• python字典中如果獲取對應的鍵？python獲取字典對應鍵的方法
• Python編程中怎么使用time模塊clock方法？python中time.clock()的使用方法
• Python中timedalta函數的作用是什么？Python中timedalta函數基本使用方法
• Python開發中git如何安裝？如何在Python中安裝git的交互庫？
• 怎么在Python中將series轉換成list列表？python中series和list相互轉換的方法
• python中如何使用tolist方法？Python中數組或者矩陣如何轉換為列表？
• python中series是什么意思？詳解Python數據結構series的使用方法
• python中如何按行遍歷Dataframe？python中按行遍歷Dataframe的方法有哪些？
• Tkinter畫布怎么和窗口一起變化？Python窗口程序Tkinter組件怎么隨窗口縮放