积分梯度:一种新颖的神经网络可视化方法
原文地址:https://kexue.fm/archives/7533
朴素梯度
积分梯度
鉴于直接使用梯度的上述缺点,一些新的改进相继被提出来,如LRP、DeepLift等,不过相对而言,笔者还是觉得积分梯度的改进更为简洁漂亮。
参照背景
积分恒等
离散近似
实验效果
原始效果
原始论文实现:https://github.com/ankurtaly/Integrated-Gradients
下面是原论文的一些效果图:
个人实现
总结
本文介绍了一种称为“积分梯度”的神经网络可视化方法,利用它可以一定程度上更好描述输入的各个分量的重要程度。积分梯度通过沿着路径对梯度进行积分来构建了精确的等式,弥补了泰勒展开的不足,从而达到了比直接使用梯度更好的可视化效果。
参考文献
[1] 苏剑林. (2020, Jun 28). 《积分梯度:一种新颖的神经网络可视化方法 》[Blog post]. Retrieved from https://kexue.fm/archives/7533