▶ TensoeFlow 和 TensorRT 调试的一些方法，用于输出中间层的情况方便观察
● Tensorflow 中的方法
1 sess = tf.Session() # 新开会话用于调试 2 sess.run(tf.global_variables_initializer()) 3 temp = sess.run(h1,feed_dict = {'input:0':X}) # 获取指定节点，并给输入节点喂进数据 4 16 print(i, "-shape: ", np.shape(temp)) 5 17 print(temp) 6 18 sess.close()
● Keras 中的两种方法
1 from keras.models import Model 2 from keras import backend as K 3 4 ... # 建图 5 model = Model(inputs=x, outputs=y) 6 7 i = 1 # 指定需要输出的中间层序号（0 为 输入层） 8 kFun = K.function([model.layers[0].input],[model.layers[i].output]) # 建立 K.function 用来提取中间层输出，后面喂上输入数据 9 temp = kFun(X) # 喂进指定层输入数据，获取指定层输出 10 print(i, "-shape: ", np.shape(temp)) # NHWC 格式 11 print(temp) 12 13 sess = tf.Session() # 另方法，用 tensorflow 的接口 14 sess.run(tf.global_variables_initializer()) 15 temp = sess.run(model.layers[i].output,feed_dict = {'input:0':X}) # 获取指定层输出 16 print(i, "-shape: ", np.shape(temp)) 17 print(temp) 18 sess.close()
● TensorRT 中的调试方法
1 h1 = network.add_ ... 2 print(h1.get_output(0).shape) # 查看该节点的一些属性 3 4 # 举栗，tensorrt.tensorrt.IConvolutionLayer 对象（add_convolution 层的返回值）的属性： 5 bias # numpy.ndarray，偏置值（尺寸等于输出特征数） 6 dilation # numpy.ndarray，扩张量？ 7 get_input 8 get_output 9 get_output_type 10 kernel # numpy.ndarray，卷积窗口权重 11 kernel_size # tensorrt.tensorrt.DimsHW，卷积窗口尺寸 12 name # str，节点名 13 num_groups 14 num_inputs 15 num_output_maps 16 num_outputs 17 output_type_is_set 18 padding # numpy.ndarray，被卷积对象光环厚度，左右统一设置，上下统一设置 19 padding_mode # tensorrt.tensorrt.PaddingMode， 20 post_padding # numpy.ndarray，被卷积对象右下角光环厚度 21 pre_padding # numpy.ndarray，被卷积对象左上角光环厚度 22 precision # tensorrt.tensorrt.DataType，数据类型 23 precision_is_set # bool，是否改变了默认数据类型？ 24 reset_output_type # bound method PyCapsule.reset_output_type of <tensorrt.tensorrt.IConvolutionLayer> 25 reset_precision 26 set_output_type 27 stride # tensorrt.tensorrt.DimsHW，卷积跨步 28 type # tensorrt.tensorrt.LayerType，节点类型 29 30 31 network.mark_output(h1.get_output(0)) # 另方法，调整模型的输出节点，使得模型输出就是想要调试的节点