尝试可视化 Keras 中 CNN 预测层的最大激活时的矩阵大小错误答案

【问题标题】：Matrix size error when trying to visualize maximum activation of CNN prediction layer in Keras尝试可视化 Keras 中 CNN 预测层的最大激活时的矩阵大小错误
【发布时间】：2021-12-30 14:58:54
【问题描述】：

受 François Chollet 的书“使用 Python 进行深度学习”（第 1 版）的启发，我正在尝试生成一张最大化 VGG16 模型预测的图片。

此处描述了中间层的原始过程（从单元格 12 开始）：

https://github.com/fchollet/deep-learning-with-python-notebooks/blob/master/first_edition/5.4-visualizing-what-convnets-learn.ipynb

本质上，这涉及到输入图像的梯度下降：

import keras, matplotlib.pyplot as plt, numpy as np
from keras import backend as K, models
from keras.applications.vgg16 import decode_predictions, preprocess_input, VGG16
from keras.models import load_model
from keras.preprocessing import image

model = VGG16(weights='imagenet')

layer_name = 'block3_conv1'
filter_index = 0
layer_output = model.get_layer(layer_name).output
loss = K.mean(layer_output[:, :, :, filter_index])
grads = K.gradients(loss, model.input)[0]
grads /= (K.sqrt(K.mean(K.square(grads))) + 1e-5)
iterate = K.function([model.input], [loss, grads])
loss_value, grads_value = iterate([np.zeros((1, 150, 150, 3))])

为了在最终预测中重现这一点，我认为最后一层会渲染一千维向量（对应于 VGG16 案例中的 1000 个类），但只需要最大化一个索引，比如“cat”为 285 .

据此，我稍微修改了代码：

layer_pred_name = 'predictions'
pred_index = 285
layer_pred_output = model.get_layer(layer_pred_name).output
loss_pred = K.mean(layer_pred_output[:, pred_index])
grads_pred = K.gradients(loss_pred, model.input)[0]
grads_pred /= (K.sqrt(K.mean(K.square(grads_pred))) + 1e-5)
iterate_pred = K.function([model.input], [loss_pred, grads_pred])
loss_pred_value, grads_pred_value = iterate_pred([np.zeros((1, 150, 150, 3))])

但是，不幸的是，我收到以下错误：

InvalidArgumentError: Matrix size-incompatible: In[0]: [1,8192], In[1]: [25088,4096]
     [[{{node fc1/MatMul}} = MatMul[T=DT_FLOAT, _class=["loc:@gradients_1/fc1/MatMul_grad/MatMul"], transpose_a=false, transpose_b=false, _device="/job:localhost/replica:0/task:0/device:GPU:0"](flatten/Reshape, fc1/kernel/read)]]

实际上，尺寸似乎合适，这就是我无法理解错误的原因。任何有关如何解决此问题的想法将不胜感激。

【问题讨论】：

标签： tensorflow keras conv-neural-network tf.keras keras-layer

【解决方案1】：

最后我通过编写一个自己的随机搜索函数找到了一个解决方法，该函数可以最小化给定预测的预测差异：

def prediction_leastquares(input1, input2):
    leastsquare = 0
    for idx in range(len(input1)):
        leastsquare = leastsquare + (input1[idx] - input2[idx])**2
    leastsquare = leastsquare**(1/2)
    return leastsquare

opt_pred = np.zeros(1000)
opt_pred[285] = 1

x2 = np.zeros(x.shape) + 100
x2 = np.array(x2)
predsdiff2 = 2
for i in range(10000):
    preds2 = model.predict(x2)
    x1 = x2.copy()
    x1 = x1 + np.random.normal(loc=0.0, scale=1, size=[1, x1.shape[1], x1.shape[2], 3])
    preds1 = model.predict(x1)
    predsdiff1 = prediction_leastquares(preds1[0], opt_pred)
    if (predsdiff1 < predsdiff2):
        predsdiff2 = predsdiff1
        x2 = x1.copy()

最终输出是一张外观随机的图像，被归类为“猫”，置信度非常高 - 一次动手对抗性攻击。

Optimized picture classified as cat by VGG16

【讨论】：