神经网络图像可视化

# 随便选择一个测试图片(像素经过标准化处理后的)
# ,24 x 24 x 3 imshow(h,w,channel)
input_image = batch_test_images[17]
fig1,ax1 = plt.subplots(figsize=(2,2))
ax1.imshow(input_image)
plt.show()
 

# 卷积1
test_image = np.reshape(input_image,(1,24,24,3))
c1 = tf.nn.relu(conv2d(test_image, weight1) + biases1)
c_1 = sess.run(c1)                                      # c_1 shape:1, 24, 24, 32
fig2, ax2 = plt.subplots(nrows=1,ncols=32,figsize=(32,1))
for i in range(32):
    ax2[i].imshow(np.reshape(c_1,(32,1,24,24))[i][0])
plt.show()
 

RN局部响应标准化,在局部对神经元创建竞争环境,使反应较大的值变得相对更大 反应较小的神经元会被抑制,以此来增强模型的泛化能力

def  LRnorm(tensor):

return tf.nn.lrn(tensor, 4, bias=1.0, alpha=0.001/9.0, beta = 0.75)