PyTorch实战：利用matplotlib可视化模型内部Tensor

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()