pytorch 对特征进行mean_PyTorch | 提取神经网络中间层特征进行可视化

一 写在前面

未经允许，不得转载，谢谢。

这篇博客主要记录了如何提取特定层的特征，然后对它进行可视化。

二 主要的实现思路：处理单张图片作为网络输入。

根据给定的layer层，获取该层的输出结果features。

考虑到features的形状为：[batch_size, filter_nums, H, W] 提取其中的第一个过滤器得到的结果feature。

以一张图片作为输入的情况下，我们得到的feature即为[H,W]大小的tensor。

将tensor转为numpy，然后归一化到[0,1]，最后乘255，使得范围为[0,255]

得到灰度图像并保存。

三 具体实现过程

了解实现流程之后整个代码没有什么难度，对其中的关键点进行简单说明一下：模型我用了在ImageNet预先训练好的vgg16作为示例。

打印模型结构可以看到每一层对应的id是什么。

通常选择conv后面的特征进行可视化。

整个的实现放在类FeatureVisualization中实现。

对于归一化到[0,1]的部分我用了sigmod方法。

需要特别交代的差不多就是这些，直接上代码了：import cv2import numpy as npimport torchfrom torch.autograd import Variablefrom torchvision import modelsdef preprocess_image(cv2im, resize_im=True):

"""

Processes image for CNNs

Args:

PIL_img (PIL_