python网络图可视化_可视化特征图：python读取pth模型，并可视化特征图。亲测有效。...

一、前言

我们有时候需要可视化特征图，尤其是发paper，或者对比算法等情况。而且通过可视化特征图，也可以让我们对这个整个cnn模型更加熟悉，废话不多说了。

二、效果图

下面我会给出代码，效果图分为单channel绘图和1：1通道特征图融合图。

我生成了很多特征图，我就简单的放两张吧，意思意思。

单通道特征图

叠加后的特征图

三、代码

我再次描述清楚我的需求以及我现有的东西，我有网络的结构和网络的预训练权重，我想通过输入图片，得到图片在网络特定层的特征图。

从main（）开始看代码，我会说得详细一点，尽量让大家看懂， 这样你修改起来会方便很多。

图片保存和读取的路径相关的问题，我就不说了，这里大家应该懂。

1.首先我们看导入的包，DepthCompletionFrontNet 这是我的网络结构，首先你要搭建起的你的网络（这个得有）。

2.看main（）函数，定位到get_feature()函数

3.get_feature做了下面得几个事儿，第一，读取图片，也就是要输入网络得图片（我得网络是双分支，所以是读取两个图，这里你读取一个图就行，就 img_rgb 就行，把 img_pc 相关内容注释）；第二，定义网络，实例化，载入预训练权重模型；第三，定义我们要提取出得特定层，这里必须和你网络结构定义得层一模一样，一模一样，一模一样。

4.已经定义的网络结构需要进行修改，假设你网络定义的代码如下：

# 仅仅举例子，我懒得补全了，直接csdn手打的

class Net(nn.Module):

super(Net,self).__init__()

self.conv1 = nn.conv1

self.conv2 = nn.conv2

self.conv3 = nn.conv3

forward(self,x):

x = conv1(x)

x = conv2(x)

x = conv3(x)

return x

网络的定义不需要修改，我们需要修改下网络的 forward，加入字典 all_dict去存储每层的tensor，forward修改如下：

forward(self,x)：

all_dict =