Pytorch从入门到放弃（8）——可视化FeatureMap(特征图)

在Pytorch的实际使用中，有时我们不仅要提取模型的中间层特征，甚至有时我们需要可视化模型的中间层特征，特别是在写论文的过程中，即可以补充一下文章的篇幅，也可以虎一虎外行人，让他觉得好牛逼好高大上啊。下面开始进入主题：

其实很简单，想要哪一层的特征图直接提取那一层的输出即可，并将那一层的特征图可视化即可。首先，我们需要看一下网络都有哪些层，这个我在Pytorch从入门到放弃（3）里面就已经说明了如何查看AlexNet的网络结构，大家可以看一下这篇文章。下面直接上提取AlexNet特征图的代码（这里我提取了AlexNet第一个卷积层输出的特征图）：

import torch
from torchvision import models, transforms
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
import scipy.misc


# 导入数据
def get_image_info(image_dir):
    # 以RGB格式打开图像
    # Pytorch DataLoader就是使用PIL所读取的图像格式
    # 建议就用这种方法读取图像，当读入灰度图像时convert('')
    image_info = Image.open(image_dir).convert('RGB')
    # 数据预处理方法
    image_transform = transforms.Compose([