Pytorch+Matplotlib绘制中间特征图和特征向量

原创

已于 2023-04-16 17:46:56 修改 · 689 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #python #深度学习

于 2023-04-16 17:40:35 首次发布

文章讲述了在项目中遇到的问题，即如何将模型中某层输出的特征向量[1,8,1,1]维度转换并可视化。通过使用Matplotlib库，作者尝试了归一化和上采样方法，最终将向量reshape成[1,1,2,4]，成功实现了可视化。此外，还提到了对于普通模型如AlexNet，可以使用钩子函数来获取特定层的特征图输出，并推荐了一个GitHub仓库作为参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

项目场景：

需要将模型中某层输出的中间特征图矩阵以及特征向量打印成图片。这里使用Matplotlib库将矩阵以及向量转换成图片输出：

def normalization(data):    # NORMALIZE TO [0,1]
    _range = np.max(data) - np.min(data)
    data = (data - np.min(data)) / _range   # [0,1]
    return data

def fm_vis(feats, save_dir, save_name):
    save_dir = os.path.join(save_dir, save_name)
    if not os.path.exists(save_dir):
        os.makedirs(save_dir)

    feats = normalization(feats[0].cpu().data.numpy())
    for idx in range(min(feats.shape[0], 8)):   #CHANNLE NUMBER
        fms = feats[idx, :, :]
        plt.imshow(fms)
        plt.savefig(os.path.join(save_dir, save_name + '_' + str(idx) + ".png"))