可视化神经网络的一些方法

原文为http://cs231n.github.io/understanding-cnn/   

可视化CNN学到的东西

有一些方法可以用来理解和可视化CNN, 作为对深度学习不可解释的论述的反击。

1. 可视化激活值和第一层卷积的权重

最直接的可视化方法就是展示在前向传播（forward pass）网络中的激活值（activation）

对于带relu的网络，激活值的map在开始的层会密集，之后逐渐稀疏。

一个陷阱是你可以注意到一些map，他们对于不同输入，永远响应是全零图。（换句话说，他们对于网络没有贡献）

他们成为了dead filter，这可能是由于高的learning rate导致的。

第二个方法是可视化网络中的权重。 通常第一个conv的filter是最容易解释的，但也是可以可视化其他filter。

在well-trained的网络中filter往往记忆了一些好看和平滑的filter，如果出现了noise 的可视化结果可能你网络没有train足够，

或者正则项太小了（weight decay），导致过拟合了。

2.找图片中 激活值最大的区域

另一个可视化技巧是 拿一堆图片把它们前馈到网络中，找到图片中哪一部分激活值最大。

然后我们可以画出图片。看看对应的receptive field。

（接受域：这个值之前从那些区域的值计算得到的。比方你一次3*3卷积得到一个value，这个value的接受域是3*3

如果3*3中每个值，是由再之前原图3*3得到的，我们不考虑overlap的话，这个value在原图的接受域就是9*9）

3. 用tSNE来embedding

convent是把图片慢慢变成一个表达（这个表达最后可以用线性分类器分类）的过程。

我们可以把图像embedding到2维表达，然后用二维画到图上表达相似的关系。

在这些embedding 到2维方法中，比较有名的方法是tSNE产生视觉上pleasing的结果。

首先，产生一个embedding，我们需要用一些图片通过CNN（比如Alexnet，最后fc 4096维的结果）

我们把他扔到tSNE中每张图得到对应的一个2维向量。然后我们可以把这个2维向量看成坐标，扔到grid里。

4. 遮挡图片的一部份

假设Convnet识别出了一条狗。那么会不会是狗的背景，让cnn识别出狗，而不是狗本身呢？

一种方法是 遮挡图片的一部分 然后看狗那一类的激活值。

按照我们所想，如果遮住狗的话，那判断为狗的激活值应该显著下降。