如何获取有关tensorflow architectu的信息

Question

我一直在重新培训TensorFlow Inception v3（参见TensorFlow Github），我很好奇如何获得关于模型的一些通用“元数据”。在

例如：

• 有多少个隐藏层？在
• 哪一层是被重新训练的“最后一层”？在
• 总共有多少个神经元（或神经元/层）？在
• 使用了多少个卷积？在
• 使用了多少个池？在

我基本上想写一两句话来描述这个模型。网站上有句话

...single frame evaluation with a computational cost of 5 billion multiply-adds per inference and with using less than 25 million parameters.

但我不太清楚那意味着什么。那是2500万个神经元吗？在

看看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？在

我可以写这个吗？在

“TensorFlow InceptionV3是一个深卷积神经网络，有13个隐藏层，使用6个卷积、2个池化步骤和3个初始模块来执行softmax图像分类。”

当然，我希望句子中有正确的数据，我也想知道模型中有多少神经元

谢谢！在

Answer 1

你说得很对。是的，参数是神经元。例如，第一个conv层的输出是网格大小为149^2的32个过滤器（内核）。这一层总共有710432个神经元/参数。在

训练的关键部分是反向传播，它可以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；最后一个训练层是它与前一层的连接。在

您可以从图表中读取简单的卷积和池。我不确定你是否应该把它们包含在初始层中。在

最后，如果我没看错的话，每种类型的点火装置都是串联的。这意味着我们有10个初始层，而不是3个。在