caffe 权值可视化

# coding : utf-8
# caffemodel 权值可视化

import numpy as np
import matplotlib.pyplot as plt
import os
import sys
import caffe

deploy_file = "/home/**/mycaffe/python/deploy.prototxt" #配置网络结构文件
model_file = "/home/**/mycaffe/python/*.caffemodel"#配置权重文件路径

#编写一个函数，用于显示各层的参数，padsize用于设置图片的间隔空隙，padval用于调整亮度
def show_weight(data, padsize=1, padval=0):
    #归一化
    data -=data.min()
    data /=data.max()

    #根据data中的图片数量data.shape[0],计算最后输出时每行每列图片数
    n=int(np.ceil(np.sqrt(data.shape[0])))
    #padding((图片个数的维度padding),(图片高的padding),(图片宽的padding)...)
    padding = ((0,n**2 -data.shape[0]),(0,padsize),(0,padsize))+((0,0),)*(data.ndim-3)
    data = np.pad(data,padding,mode='constant',constant_values=(padval,padval))

    #先将padding后的data分成n*n张图像
    data = data.reshape((n,n)+data.shape[1:]).transpose((0,2,1,3)+tuple(range(4,data.ndim+1)))
    #再将(n,w,n,h)转换成(n*w,n*h)
    data = data.reshape((n*data.shape[1], n*data.shape[3])+data.shape[4:])
    plt.set_cmap('gray')
    plt.imshow(data)
    plt.imsave("conv1.jpg",data)
    plt.axis('off')

if __name__ == '__main__':
    #初始化caffe
    net = caffe.Net(deploy_file,model_file,caffe.TEST)
    print [(k, v[0].data.shape)for k,v in net.params.items()]

    #第一个卷积层，参数规模(50,20,5,5),即50个5*5的20通道filter
    weight = net.params["conv1"][0].data
    print weight.shape
    show_weight(weight.reshape(64*1,5,5))#

 

直接在~/caffe/python中使用上述代码即可。