可视化模型中某一tensor(利用matplotlib)
该可视化的假设是,tensor原本是四维,一个是channel一个是batch还有俩feature维度。压缩掉channel(size=1灰度图),batch顺次展示feature。
获取tensor名称
先print出model每层的名称,也可以不print在参数中查看。
for name in model.state_dict():
print(name)
然后选取需要的name,以我的为例,是layer1.0.weight
,给tensor赋值。
tensor = model.state_dict()['layer1.0.weight']
顺便可以单独保存一下这个tensor,方便后续调用。
torch.save(tensor, 'name.pt')
压缩tensor
由于原本的tensor是4维的,所以需要将tensor压缩到3维(压缩掉只有一个参数的channel),使用的函数是squeeze,删除size=1的维度,详细用法可见https://pytorch.org/docs/stable/generated/torch.squeeze.html)。这里注意如果batch为1会把batch也压缩掉,下一不就不需要for直接imshow就可以。
tensor = tensor.squeeze(tensor)
画出tensor
以batch=25为例,代码如下:
import matplotlib.pyplot as plt
plt.figure()
for i in range(tensor.shape[0]):
plt.subplot(5, 5, i+1)
plt.imshow(tensor[i], cmap='gray')
plt.show()