CNN的隐层可视化

本文探讨了如何使用反卷积技术可视化卷积神经网络(CNN)的隐藏层,介绍了转置卷积、ReLU反向计算、Pooling反向计算等方法,并通过靠谱验证表明这种可视化方式的有效性。此外,还提及其他可视化方法如近似估计和orig-deconv,以加深对CNN的理解。
摘要由CSDN通过智能技术生成

  CNN的隐层到底是什么样子的?本博文主要讲解zerler提出的一种反卷积的技术,来可视化隐层内容。

反卷积

  直接显示隐层值是不可观察的,如果能够反向映射到输入的像素空间内,岂不是很好,就可以从人的认识层面来可视化隐层的内容了。多么聪明地想法,剩下的问题就是如何由隐层反向计算到输入层。

转置卷积

  将filter-bank直接转置,对feature-map做卷积计算,得到输入。
  注意:这里不是卷积的逆操作,而只是做个转置,再计算卷积而已。不能重构出真实输入值。
  举例:
   正向计算: [64×64×3]4×5×3×100[64×64×100]
   filter-bank

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值