深度之眼】Pytorch框架班第五期-Week5【任务3】第一节:hook函数与CAM

本文深入解析PyTorch中的Hook函数机制,包括Tensor、Module的前向与反向传播Hook,以及CAM和Grad-CAM在类激活图中的应用。通过实例说明如何利用Hook函数在不改变主体的情况下实现额外功能。
部署运行你感兴趣的模型镜像

Hook函数概念

Hook函数机制:不改变主体,实现额外功能,像一个挂件,挂钩,hook

1、Tensor.register_hook

hook(grad) -> Tensor or None

功能: 注册一个反向传播hook函数
Hook函数仅一个输入参数,为张量的梯度

2、Module.register_forward_hook

hook(module, input, output) -> None

功能:注册module的前向传播hook函数
module:当前网络层
input:当前网络层输入数据
output:当前网络层输出数据

3、Module.register_forward_pre_hook

hook(module, input) -> None

功能:注册module前向传播前的hook函数
参数:

  • module:当前网络层
  • input:当前网络层输入数据

4、Module.register_backward_hook

hook(module, grad_input, grad_output) -> Tensor or None

功能:注册module反向传播前的hook函数
参数:

  • module:当前网络层
  • grad_input:当前网络层输入梯度数据
  • grad_output: 当前网络层输出梯度数据

CAM and Grad_CAM

CAM: 类激活图,class activation map
在这里插入图片描述

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值