Pytoch Note58 CNN可视化
文章目录
全部笔记的汇总贴: Pytorch Note 快乐星球
卷积神经网络(CNN)是深度学习中非常重要的模型结构,它广泛地用于图像处理,极大地提升了模型表现,推动了计算机视觉的发展和进步。但CNN是一个“黑盒模型”,人们并不知道CNN是如何获得较好表现的,由此带来了深度学习的可解释性问题。如果能理解CNN工作的方式,人们不仅能够解释所获得的结果,提升模型的鲁棒性,而且还能有针对性地改进CNN的结构以获得进一步的效果提升。
理解CNN的重要一步是可视化,包括可视化特征是如何提取的、提取到的特征的形式以及模型在输入数据上的关注点等。
这一部分就会介绍一下
- 可视化CNN卷积核的方法
- 可视化CNN特征图的方法
- 可视化CNN显著图(class activation map)的方法
1.CNN卷积核可视化
我们在学习深度学习中,总会看到卷积核是用来提取我们的特征的,但是有时候,我们似乎不知道卷积核是如何提取我们的特征的,我们只能看到一个一个的张量,所以我们可以可视化我们的卷积核来加深理解,进而理解模型的工作原理。
在Zeiler和Fergus 2013年的paper中就研究了CNN各个层的卷