用于可视化的张量流重塑卷积过滤器
tensorflow reshaping convolutional filters for visualization
我有一个 filter/kernel 权重（卷积层）的 4D 张量。
它们被传递给形状为 [5,5,3,32]、32 个 RGB 5x5 过滤器的后续操作。
使用 tf.summary.image 为 monitoring/analysis/storage 收集它们的值我需要将这个张量重塑为 [32,5,5,3] 的形状，然后 view/store 每个32 个过滤器作为 [5,5,3] 的单独图像
这可能纯粹使用 tf.reshape() 吗？还是我需要进行多次张量转换？
你需要 transpose 而不是 reshape，tf.transpose(t, (3,0,1,2)) 应该做你需要的（假设 t 是你的张量），它将最后一个轴移动为第一轴。
我有一个 filter/kernel 权重（卷积层）的 4D 张量。
它们被传递给形状为 [5,5,3,32]、32 个 RGB 5x5 过滤器的后续操作。
使用 tf.summary.image 为 monitoring/analysis/storage 收集它们的值我需要将这个张量重塑为 [32,5,5,3] 的形状，然后 view/store 每个32 个过滤器作为 [5,5,3] 的单独图像
这可能纯粹使用 tf.reshape() 吗？还是我需要进行多次张量转换？
你需要 transpose 而不是 reshape，tf.transpose(t, (3,0,1,2)) 应该做你需要的（假设 t 是你的张量），它将最后一个轴移动为第一轴。