caffe net visualization

1. net.blobs.items() 存储了预测图片的网络中各层的feature map的数据。
2. net.params.items()存储了训练结束后学习好的网络参数。
3. vis_square 函数视觉化data，主要是进行数据归一化，data转换为plt可视化的square结构。
4. plt.imshow(net.deprocess(‘data’, net.blobs[‘data’].data[4])),这里的4是第4个crop，图片会被crop成10个227*227.
5. net.params[‘conv1’][0].data， 这是表示conv1层的w参数
   net.params[‘conv2’][1].data, 这是表示conv1层的b参数
6. filters.transpose(0, 2, 3, 1)对filters 4维数组进行位置对换，主要是为了将rgb放在最后一维。
7. net.blobs[‘conv1’].data[4, :36] 表示conv1层学习的feature map， 显示第4个crop image的top 36个feature map。
8. filters = net.params[‘conv2’][0].data
9. filters[:48].reshape(48**2, 5, 5) 对conv2 层参数w进行显示， conv2 ：256 * 48 * 5 * 5, 这里显示头48个filters， reshape是为了在显示的时候把48个5*5的kernel放在一行显示，共48*48的方格显示。