Grad-CAM 可视化:无效参数错误:您必须使用 dtype 浮点数和形状 [x] 为占位符张量“X”提供一个值
Posted
技术标签:
【中文标题】Grad-CAM 可视化:无效参数错误:您必须使用 dtype 浮点数和形状 [x] 为占位符张量“X”提供一个值【英文标题】:Grad-CAM visualization: Invalid Argument Error: You must feed a value for placeholder tensor 'X' with dtype float and shape [x] 【发布时间】:2019-04-02 02:56:52 【问题描述】:我正在尝试使用 CNN 可视化分类任务的重要区域。
我正在使用 VGG16 + 我自己的顶层(一个全局平均池化层和一个 Dense 层)
model_vgg16_conv = VGG16(weights='imagenet', include_top=False, input_shape=(100, 100, 3))
model = models.Sequential()
model.add(model_vgg16_conv)
model.add(Lambda(global_average_pooling, output_shape=global_average_pooling_shape))
model.add(Dense(4, activation = 'softmax', init='uniform'))
编译和拟合模型后,我尝试使用 Grad-CAM 制作新图像:
image = cv2.imread("data/example_images/test.jpg")
# Resize to 100x100
image = resize(image,(100,100),anti_aliasing=True, mode='constant')
# Because it's a grey scale image extend the dimensions
image = np.repeat(image.reshape(1,100, 100, 1), 3, axis=3)
class_weights = model.get_layer("dense_1").get_weights()[0]
final_conv_layer = model.get_layer("vgg16").get_layer("block5_conv3")
input1 = model.get_layer("vgg16").layers[0].input
output1 = model.get_layer("dense_1").output
get_output = K.function([input1], [final_conv_layer.output, output1])
之后我正在执行
[conv_outputs, predictions] = get_output([image])
导致如下错误:
InvalidArgumentError:您必须为占位符张量“vgg16_input”提供一个值,其 dtype 为 float 和 shape [?,100,100,3] [[node vgg16_input]] [[dense_1/Softmax/_233]]
其他信息
def global_average_pooling(x):
return K.mean(x, axis = (2, 3))
def global_average_pooling_shape(input_shape):
return input_shape[0:2]
模型总结:
Layer (type) Output Shape Param #
=================================================================
vgg16 (Model) (None, 3, 3, 512) 14714688
_________________________________________________________________
lambda_1 (Lambda) (None, 3) 0
_________________________________________________________________
dense_1 (Dense) (None, 4) 16
=================================================================
Total params: 14,714,704
Trainable params: 16
Non-trainable params: 14,714,688
VGG-模型总结:
Layer (type) Output Shape Param #
=================================================================
input_1 (InputLayer) (None, 100, 100, 3) 0
...
我是 Grad-CAM 的新手,我不确定我是否只是在监督某些事情,或者我是否误解了整个概念。
【问题讨论】:
【参考方案1】:使用 Sequential,层是通过 add() 方法添加的。在这种情况下,由于直接添加了模型对象,因此模型现在有两个输入 - 一个通过 Sequential,另一个通过 model_vgg16_conv。
>>> layer = model.layers[0]
>>> layer.get_input_at(0)
<tf.Tensor 'input_1:0' shape=(?, ?, ?, 3) dtype=float32>
>>> layer.get_input_at(1)
<tf.Tensor 'vgg16_input:0' shape=(?, ?, ?, 3) dtype=float32>
由于使用 K.function,只提供了一个输入,因此出现有关“vgg16_input”的缺少输入的错误。这会工作,
get_output = K.function([input1] + [model.input], [final_conv_layer.output, output1])
[conv_outputs, predictions] = get_output([image, image])
但函数式 API 可以像这样在这种情况下使用:
model_vgg16_conv = VGG16(weights='imagenet', include_top=False, input_shape=(100, 100, 3))
gavg = Lambda(global_average_pooling, output_shape=global_average_pooling_shape)(model_vgg16_conv.output)
output = Dense(4, activation = 'softmax', init='uniform')(gavg)
model_f = Model(model_vgg16_conv.input, output)
final_conv_layer = model_f.get_layer("block5_conv3")
get_output = K.function([model_f.input], [final_conv_layer.output, model_f.output])
[conv_outputs, predictions] = get_output([image])
【讨论】:
非常感谢。很好解释。像魅力一样工作!以上是关于Grad-CAM 可视化:无效参数错误:您必须使用 dtype 浮点数和形状 [x] 为占位符张量“X”提供一个值的主要内容,如果未能解决你的问题,请参考以下文章
您如何解决此参数无效错误? (C#、VisualStudio、WinForms)
Microsoft Edge 的“无效参数:'handle' 必须是字符串”错误以及如何添加“w3c:false”功能?