TensorFlow训练模型后在IPython中可视化卷积层权重的方法咨询

我来帮你搞定这个可视化问题！你之前的尝试有两个关键问题：一是变量作用域没找对，二是用了TensorBoard的tf.summary.image而不是直接处理权重数值来绘图。下面是一步步的解决方案：

1. 正确获取卷积层权重 #

你的卷积层是定义在ConvNet这个变量作用域下的，所以conv1的权重完整路径是ConvNet/conv1/kernel。你可以通过两种方式获取：

方式一：精准获取指定层权重 #

在你的训练Session里，直接用完整的作用域路径获取：

# 在训练完成后的Session中执行
conv1_weights = session.run(tf.get_variable('ConvNet/conv1/kernel'))

方式二：遍历所有可训练变量查找 #

如果你不确定变量名称，可以先打印所有可训练变量来确认：

for var in tf.trainable_variables():
    print(var.name)
# 输出会包含类似 ConvNet/conv1/kernel:0 这样的条目

2. 预处理权重数据 #

卷积层权重的形状是[滤波器高度, 滤波器宽度, 输入通道数, 输出通道数]，比如你的conv1是(5,5,1,32)。为了可视化，我们需要：

• 把每个滤波器从(5,5,1)转换成(5,5)的二维数组
• 归一化权重值到0-1范围（因为权重可能有正负值，直接显示会丢失细节）

代码示例：

import numpy as np

# 假设conv1_weights的形状是(5,5,1,32)
num_filters = conv1_weights.shape[-1]
filter_size = conv1_weights.shape[0]
input_channels = conv1_weights.shape[2]

# 归一化权重到0-1区间
normalized_weights = (conv1_weights - np.min(conv1_weights)) / (np.max(conv1_weights) - np.min(conv1_weights))

3. 用Matplotlib绘制权重 #

在IPython中，我们可以用matplotlib.pyplot把这些滤波器排列成网格状显示：

import matplotlib.pyplot as plt

# 设置网格的行列数，比如32个滤波器用6行6列（6*6=36，足够容纳32个）
rows = 6
cols = 6

plt.figure(figsize=(12,12))
for i in range(num_filters):
    # 获取第i个滤波器
    filter_img = normalized_weights[:, :, 0, i]  # 输入通道是1，取第0个通道
    plt.subplot(rows, cols, i+1)
    plt.imshow(filter_img, cmap='gray')
    plt.axis('off')  # 隐藏坐标轴
plt.tight_layout()
plt.show()

整合到你的训练代码中 #

把可视化代码添加到训练完成后的Session里，完整的代码片段如下：

#Train
with tf.Session() as session:
    init = tf.global_variables_initializer()
    session.run(init, {training:True})
    optimize(epochs=200)
    
    # --- 新增的可视化代码 ---
    # 获取conv1层权重
    conv1_weights = session.run(tf.get_variable('ConvNet/conv1/kernel'))
    
    # 预处理
    normalized_weights = (conv1_weights - np.min(conv1_weights)) / (np.max(conv1_weights) - np.min(conv1_weights))
    num_filters = conv1_weights.shape[-1]
    
    # 绘制
    plt.figure(figsize=(12,12))
    for i in range(num_filters):
        filter_img = normalized_weights[:, :, 0, i]
        plt.subplot(6, 6, i+1)
        plt.imshow(filter_img, cmap='gray')
        plt.axis('off')
    plt.tight_layout()
    plt.show()
    
    # 同理可视化conv2层权重
    conv2_weights = session.run(tf.get_variable('ConvNet/conv2/kernel'))
    # 重复预处理和绘制步骤即可

为什么你之前的代码不行？ #

• 你用了tf.variable_scope('conv1', reuse=True)，但实际上conv1是嵌套在ConvNet作用域下的，所以找不到变量，应该用tf.variable_scope('ConvNet/conv1', reuse=True)或者直接指定完整变量名。
• tf.summary.image是用来生成TensorBoard的可视化数据，返回的是摘要节点，不是可以直接显示的图像对象，不符合你在IPython中直接可视化的需求。

内容的提问来源于stack exchange，提问作者Giulio Giorcelli