程序员宝藏库:https://github.com/Jackpopc/CS-Books-Store
现如今,谈起人工智能,对于大多数人来说已经不再陌生。
而作为其中比较热门的计算机视觉,更是吸引了一大批从业者。
但是,其中绝大多部分都“不知所以然”。搭建起开发环境,照搬一段代码,就认为大功告成,但是,到底数据进入网络中发生了什么?特征是什么样的,很多人都回答不上来。
本文,就来教大家如何如何可视化CNN网络层的特征图。
教程
废话不多说,我们先来建立一个网络模型:
model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(8,(3,3),激活='relu',input_shape =(150,150,3)),
tf.keras.layers.MaxPooling2D(2,2),
tf.keras.layers.Conv2D(16,(3,3),激活='relu'),
tf.keras.layers.MaxPooling2D(2,2),
tf.keras.layers.Conv2D(32,(3,3),激活='relu'),
tf.keras.layers.MaxPooling2D(2,2),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(1024,activation ='relu'),
tf.keras.layers.Dense(512,activation ='relu'),
tf.keras.layers.Dense(3,activation ='softmax')
])
该模型的概括如下:
model.summary()
如上所示,我们具有三个卷积层,其后是MaxPooling层,两个全连接层和一个最终输出全连接层。
我们需要训练和拟合模型。因此,首先运行模型,然后才能得到特征图。只不过,在这里不演示这部分过程。
要生成特征图,需要用到model.layers
API,接下来了解如何访问CNN中间层。
获取CNN网络层的名称
layer_names