길쌈 네트워크의 이상한 그래프

Question

컨볼 루션 모델을 만들 때 TensorBoard에서 매우 이상한 결과 그래프가 나타납니다. 보시다시피 두 번째 컨볼 루션 레이어는 풀링 레이어를 입력으로 가져올뿐만 아니라 다른 길쌈 레이어를 가져옵니다. 필자의 의견으로는 웹 연구에 따르면 레이어 당 하나의 입력과 하나의 출력을 가진 직선적 인 수직 그래프 여야합니다 (아주 처음과 마지막 것을 제외하고).

잘못된 것이 있습니까? 아니면이 두 번째 입력이 어디에서 왔습니까?

, 당신에게 토비아스를 대단히 감사합니다

중고 모델 기능 :

def model_fn(features, labels, mode, params): 
    is_training = (mode == tf.estimator.ModeKeys.TRAIN) 

    reshaped_features = tf.reshape(features, (-1, features.shape[1], 1)) 

    # Yes, I have only 1d input to my conv network 
    conv1 = tf.layers.conv1d(reshaped_features, filters=10, kernel_size=5) 
    pool1 = tf.layers.max_pooling1d(conv1, pool_size=3, strides=1) 
    conv2 = tf.layers.conv1d(pool1, filters=10, kernel_size=5) 
    conv_2_flat = tf.contrib.layers.flatten(conv2) 

    logits = fully_connected(conv_2_flat, 2) 

    if mode == tf.estimator.ModeKeys.PREDICT: 
     return tf.estimator.EstimatorSpec(
      mode=mode, 
      predictions={'logits': logits}) 

    loss = tf.losses.sparse_softmax_cross_entropy(labels=labels, logits=logits) 

    eval_metric_ops = { 
      'accuracy': tf.metrics.mean(tf.nn.in_top_k(predictions=logits, targets=labels, k=1)), 
    } 

    optimizer = tf.train.AdamOptimizer(params['learning_rate']) 
    training_op = optimizer.minimize(loss) 

    return tf.estimator.EstimatorSpec(
     mode=mode, 
     loss=loss, 
     train_op=training_op, 
     eval_metric_ops=eval_metric_ops) 

결과 그래프 :

Answer 1

내가 같이 Tensorboard에 나타나는 아주 이상한 연결을 위해 사용 잘. 나는 이것이 단지 디스플레이의 버그 일 뿐이며, 아키텍처의 실제 실수가 아니라고 생각합니다.

내 레이어에 고유 한 이름을 부여하면 문제가 해결되었습니다. 이름 매개 변수로 레이어를 선언하십시오.

conv1 = tf.layers.conv1d(reshaped_features, filters=10, kernel_size=5, name="conv1") 

이것이 문제를 해결하는지 알려주십시오.