TensorFlow에서 재밌는 점 (in Yolov4)

Yolo v4를 하나씩 쪼개가면서 알게된 신기한 점에 대해서 글을 간략하게 작성해본다.

tf.reshape를 하게 된다면

다음과 같이 tf_op_layer_Shape, tf_op_layer_strided_slice, tf_op_layer_Reshape/shape, tf_op_layer_Reshape 순서로

진행되는 모습을 볼 수 있다.

tf.reshape를 통해서 model을 만들 경우에는 tf.reshape 한 줄 이지만,

이후 model을 load하여 layer를 확인하는 경우에는 위에 언급한 3개의 레이어가 추가적으로 layer로 인식된다는 점이 있다.

 

또, Yolo v4를 다 통과하고, 이후에 decode를 진행할 경우에

xy_grid = tf.meshgrid(tf.range(output_size), tf.range(output_size))
xy_grid = tf.expand_dims(tf.stack(xy_grid, axis=-1), axis=2)  # [gx, gy, 1, 2]
xy_grid = tf.tile(tf.expand_dims(xy_grid, axis=0), [batch_size, 1, 1, 3, 1])

xy_grid = tf.cast(xy_grid, tf.float32)

다음과 같은 블럭이 존재하는데,

해당 블럭을 unit-test를 통해서 plot해보면

다음처럼 layer가 생성된다. 따라서 알 수 있었던 점은, tf.reshape나 tf.meshgrid 나 둘다 tf_op_layer_Shape와 tf_op_layer_strided_slice를 지나 작업을 하게되기 때문에 

다음과 같이 연결되어 있다고 볼 수 있겠다...