卷积网络的奇异图

Question

当我构造一个卷积模型时，我在TensorBoard中得到了一个非常奇怪的结果图。如您所见，第二个卷积层不仅获得池层作为输入，而且还获得另一个卷积层。在我看来，根据我的网络研究，这应该是一个直的垂直图，每层只有一个输入和一个输出(除了第一个和最后一个)。

我是不是做错了什么，或者第二个输入是从哪里来的？

非常感谢，托拜厄斯

已使用的模型功能：

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)

生成的图表：

​

​

Answer 1

我也曾在Tensorboard上出现过非常奇怪的关系。我认为这只是显示中的一个错误，而不是架构中的一个实际错误。

给我的图层取一个独特的名字为我解决了这个问题。使用name参数声明您的层：

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

告诉我这能解决你的问题。