tensorflow
Visualizzare l'output di uno strato convoluzionale
Ricerca…
introduzione
Esistono molti modi per visualizzare i livelli convoluzionali, ma condividono le stesse componenti: il recupero dei valori di una parte delle reti neurali convoluzionali e la visualizzazione di tali valori. Nota quelle visualizzazioni non dovrebbero e non possono essere visualizzate sul TensorBoard.
Un esempio di base di 2 passaggi
Nell'esempio si presuppone che l'utente abbia eseguito correttamente e compreso completamente il tutorial di MNIST ( Deep MNIST per esperti ).
%matplotlib inline
import matplotlib.pyplot as plt
# con_val is a 4-d array, the first indicates the index of image, the last indicates the index of kernel
def display(con_val, kernel):
plt.axis('off')
plt.imshow(np.sum(con_val[:, :, :, kernel], axis=0), cmap=plt.get_cmap('gray'))
plt.show()
La funzione sopra mostra una matrice (con_val) contenente i valori di un layer convoluzionale dato il kernel. La funzione riassume i valori di tutti gli esempi e li traccia in scala di grigi.
I seguenti codici prelevano i valori dal primo strato convoluzionale e richiamano la funzione sopra riportata.
labels = np.nonzero(mnist.test.labels)[1] # convert "one-hot vectors" to digits (0-9)
for i in range(2): # display only 0 and 1
con_val = h_pool1.eval(feed_dict={x:mnist.test.images[labels == i, :]}) #fetch
display(con_val, 3)
I codici tracciano solo le visualizzazioni corrispondenti alle etichette di 0 e 1. Sarai in grado di vedere i risultati come questi.