CNN训练可视化特征图（tensorflow2(1)，面试完腾讯我才发现这些知识点竟然没掌握全

#缩放

img = image.load_img(img_path,target_size=(224,224))

#显示图片

plt.imshow(img)

plt.show()

x = image.img_to_array(img)

#维度扩展

x = np.expand_dims(x,axis=0)

#图片预处理

x = preprocess_input(x)

加载图片

预测图片

---

preds = model.predict(x)

print(‘predicted’, decode_predictions(preds, top=3)[0])

获取指定层对应的输出

---

layer_names = [‘block1_conv1’,‘block3_conv1’,‘block5_conv1’]

#获取指定层的输出

layer_outputs = [model.get_layer(layer_name).output for layer_name in layer_names]

#获得模型指定层的输出

activation_model = keras.models.Model(inputs=model.input,outputs=layer_outputs)

#获得输出

activations = activation_model.predict(x)

first_layer_activation = activations[0]

plt.matshow(first_layer_activation[0,:,:,1],cmap=‘viridis’)

plt.show()

可视化CNN训练过程

---

import numpy as np

images_per_row = 8

for layer_name,layer_activation in zip(layer_names,activations):

#获取卷积核的个数

n_features = layer_activation.shape[-1]

#特征图的形状(1,size,size,n_features)

size = layer_activation.shape[1]

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数初中级Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：python）

轻大家的负担。**

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：python）
[外链图片转存中…(img-Rr15oshn-1711051358192)]