pytorch可视化 resnet50特征图

本文介绍了如何使用PyTorch对ResNet50模型的特征图进行可视化,通过详细步骤帮助理解模型在图像处理中的内部工作原理。

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

参考:https://blog.youkuaiyun.com/u012435142/article/details/84711978

Python可视化resnet50所有层特征图
使用pytorch中预训练模型,在网络inference的过程中显示特征图的每个通道.
文章目录
代码
input image [1,3,224,224]
conv1 [1,64,112,112]
bn1_relu [1,64,112,112]
maxpool [1,64,56,56]
layer1 [1,256,56,56]
layer2 [1,512,28,28]
layer3 [1,1024,14,14]
layer4 [1,2048,7,7]
avgpool [1,2048]
fc [1,1000]
代码
import cv2
import time
import os
import matplotlib.pyplot as plt
import torch
from torch import nn
import torchvision.models as models
import torchvision.transforms as transforms
import numpy as np

savepath='vis_resnet50/features_elephant'
if not os.path.exists(savepath):
    os.mkdir(savepath)


def draw_features(width,heigh
评论 2
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