Caffe可视化(二):权重及输出可视化(用Deep Visualization Toolbox实现)

Caffe可视化(二):权重及输出可视化(用Deep Visualization Toolbox实现)

本文记录了博主在研究Caffe权重及输出可视化过程中发现的工具包,包括工具包的安装、使用和调整(以适应自定义网络)的相关内容。更新于2018.10.26。

Deep Visualization toolbox 工具包

介绍

这个工具包可以实现在caffe框架下搭建的神经网络的可视化。工具包的GitHub链接请点击这里,同时工具包也提供了网页版的简介和论文形式的正式介绍

工具包运行的窗口是这样的:

在这里插入图片描述

在这里插入图片描述

安装

第一步:配置Caffe

如果电脑上没有安装Caffe应首先配置好Caffe。除了按照官方的安装说明配置外,为了实现toolbox的功能,还需要对官方Caffe做一点修改。

在安装好Caffe后,cd到Caffe的目录下,运行:

$ git remote add yosinski https://github.com/yosinski/caffe.git
$ git fetch --all
$ git checkout --track -b deconv-deep-vis-toolbox yosinski/deconv-deep-vis-toolbox
$ < edit Makefile.config to suit your system if not already done in Step 0 >
$ make clean
$ make -j
$ make -j pycaffe

注意:博主没有运行上面的命令,因为默认需要的东西博主电脑中已经安装好了。

第二步:安装必要的依赖

对于Ubuntu系统,运行下面的命令:

 $ sudo apt-get install python-opencv scipy python-skimage

第三步:下载并编译Deep visualization Toolbox

可以将这个工具包放在任意需要的位置,运行下面的命令下载:

$ git clone https://github.com/yosinski/deep-visualization-toolbox
$ cd deep-visualization-toolbox

将设置文件复制一份到工具包目录下:

$ cp models/caffenet-yos/settings_local.template-caffenet-yos.py settings_local.py

根据电脑的情况修改settings_local.py文件的配置(主要是各种目录)。

之后应该就可以正常运行了。为了看到提供的demo,需要下载图片和模型(约需要230M+1.1GB内存):

$ cd models/caffenet-yos/
$ ./fetch.sh
$ cd ../..

第四步:运行工具包

命令:

$ ./run_toolbox.py

按h键可以看到说明。

下面是博主电脑上的运行效果:

在这里插入图片描述

用j,l,i,k键控制光标的上下左右移动:

在这里插入图片描述

在这里插入图片描述

评论 7
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