feature map 可视化

最新推荐文章于 2024-08-22 22:09:52 发布

Altium123456789

最新推荐文章于 2024-08-22 22:09:52 发布

阅读量3.2k

点赞数 2

分类专栏： Python视觉学习

Python视觉学习专栏收录该内容

7 篇文章

订阅专栏

本文介绍如何在TensorFlow中实现FeatureMap的可视化。通过在构建网络时将激活值加入到Tensorflow的collection中，利用特定函数获取这些值并进行可视化处理。文中详细展示了设置会话、初始化变量、加载模型、读取图片并进行预处理的过程，最后通过循环遍历指定图层，生成可视化结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

想要可视化feature map，那么构建网络时还要动点手脚，定义计算图时，每得到一组激活值都要将其加到Tensorflow的collection中，如下：

tf.add_to_collection('activations', current)

可视化的数据的获得：

img = conv_img[0, :, :, 0]# visualize the first tunnel of the current image

visualize_layers = ['conv1_1', 'conv1_2', 'conv2_1', 'conv2_2', 'conv3_1', 'conv3_2', 'conv3_3', 'conv4_1', 'conv4_2', 'conv4_3', 'conv5_1', 'conv5_2', 'conv5_3']

with tf.Session(graph=tf.get_default_graph()) as sess:   
        init_op = tf.group(tf.global_variables_initializer(), tf.local_variables_initializer())
        sess.run(init_op)
        saver.restore(sess, model_path)

        image_path = root_path + 'images/train_images/sunny_0058.jpg'
        img = misc.imread(image_path)
        img = img - meanvalue
        img = np.float32(img)
        img = np.expand_dims(img, axis=0)

        conv_out = sess.run(tf.get_collection('activations'), feed_dict={x: img, keep_prob: 1.0})
        for i, layer in enumerate(visualize_layers):
            visualize_utils.create_dir(dir_prefix + layer)
            for j in range(conv_out[i].shape[3]):
                visualize.plot_conv_output(conv_out[i], dir_prefix + layer, str(j), filters_all=False, filters=[j])

        sess.close()

original address