PyTorch 可视化特征

这篇博客详细介绍了如何使用PyTorch对预训练的VGG16模型的特定层进行特征提取并可视化。通过处理单张图片,获取指定层的输出,将其归一化并转换为灰度图像保存。文中提供了代码示例,并展示了conv2和conv5层的可视化结果。此外,还分享了一个GitHub资源,包含了更全面的PyTorch CNN可视化方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

这个也可以参考:

https://blog.youkuaiyun.com/LEILEI18A/article/details/80389229

这篇博客主要记录了如何提取特定层的特征,然后对它进行可视化

二 主要的实现思路:

  1. 处理单张图片作为网络输入。
  2. 根据给定的layer层,获取该层的输出结果features
  3. 考虑到features的形状为:[batch_size, filter_nums, H, W] 提取其中的第一个过滤器得到的结果feature
  4. 以一张图片作为输入的情况下,我们得到的feature即为[H,W]大小的tensor。
  5. 将tensor转为numpy,然后归一化到[0,1],最后乘255,使得范围为[0,255]
  6. 得到灰度图像并保存。

三 具体实现过程

了解实现流程之后整个代码没有什么难度,对其中的关键点进行简单说明一下:

  • 模型我用了在ImageNet预先训练好的vgg16作为示例。
  • 打印模型结构可以看到每一层对应的id是什么。
  • 通常选择conv后面的特征进行可视化。
  • 整个的实现放在类FeatureVisualization中实现。
评论 1
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

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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