MindSpore 使用 GradCAM

定义：

GradCAM是一个典型及有效的梯度解释器

代码如下：

import mindspore as ms
from mindspore import Tensor
from mindspore_xai.explanation import GradCAM

# 通常指定最后一层的卷积层
grad_cam = GradCAM(net, layer="layer4")

# 5 是'boat'类的ID
saliency = grad_cam(boat_image, targets=5)

如果输入的是一个 1xCx224x224 的图片Tensor，那返回的saliency就是一个 1x1x224x224 的热力图Tensor。

批次解释

对于梯度解释器，批次解释通常较有效率，但其他解释器也可以使用：

代码如下：

from dataset import load_dataset

test_ds = load_dataset('xai_examples_data/test').batch(4)

for images, labels in test_ds:
    saliencies = grad_cam(images, targets=Tensor([5, 5, 5, 5], dtype=ms.int32))
    # 其他用户操作 ...

如果输入的是一个 4xCx224x224 的批次图片Tensor，那返回的saliency就是一个 4x1x224x224 的批次热力图Tensor。

使用其他解释器

使用其他解释器(RISEPlus 除外)的方法跟 GradCAM 的使用