tensorflow 2.x 中的逐层相关性传播

问题描述

我正在研究神经网络并尝试为一个简单的示例实现 LRP。 我尝试按照以下示例进行操作：https://git.tu-berlin.de/gmontavon/lrp-tutorial/-/blob/main/tutorial.ipynb 用于 VGG 网络。 但我想在 Tensorflow 2.x 中使用它而不是 Pytorch。也许有人已经成功尝试过并且可以分享他们的代码？

我的问题已经在示例代码的开头：

示例：

model = torchvision.models.vgg16(pretrained=True); model.eval()
layers = list(model._modules['features']) + utils.toconv(list(model._modules['classifier']))
L = len(layers)
A = [X]+[None]*L
for l in range(L): A[l+1] = layers[l].forward(A[l])

我在 tensorflow 中的版本：

model = vgg16.VGG16()
layers = model.layers 
del layers[0]
L =len(layers)


A = [input] + [None]*L
for l in range(L):
    A[l+1] = layers[l].forward(A[l])

它产生以下错误：

'Conv2d' has no attribute 'forward'

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）