PyTorch 可视化特征

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。