如何获取tensorflow架构的信息

Question

我一直致力于重新训练 TensorFlow Inception v3（请参阅 TensorFlow Github），并且很好奇如何获得有关该模型的一些通用“元数据”。

例如：

• 有多少隐藏层？
• 重新训练的“最后”层是哪一层？
• 总共有多少神经元（或神经元/层）？
• 使用了多少卷积？
• 使用了多少个池？

我基本上希望能够写一两句话来描述模型。网站上有句

...单帧评估，每次推理的计算成本为 50 亿次乘加，使用的参数少于 2500 万个。

但我不确定这意味着什么。那是 2500 万个神经元吗？

查看 GitHub 上引用的文档Rethinking the Inception Architecture for Computer Vision，我想我需要的大部分内容都在表 1 中？

我会写这个吗？

“TensorFlow InceptionV3 是一个深度卷积神经网络，它有 13 个隐藏层，使用六个卷积、两个池化步骤和三个 inception 模块来执行图像的 softmax 分类”

当然我想要句子中的正确数据，并且很想知道模型中有多少神经元

谢谢！

Answer 1

你走在正确的轨道上。是的，参数是神经元。例如，第一个 conv 层的输出是 32 个网格大小为 149^2 的过滤器（内核）。仅该层就有 710,432 个神经元/参数。

训练的关键部分是反向传播，它调整一层和下一层之间的权重。 SoftMax 操作的结果是 1000 个输出预测；最后一个训练层将是它与前一层的连接。

您可以从图表中读取简单的卷积和池化。我不确定您是否应该将那些包含在初始层中。

最后，如果我没看错的话，inceptions 是每种类型的多个单元，串联应用。这意味着我们有 10 个初始层，而不是 3 个。