【pytorch】用tensorboardX可视化特征图

快乐成长吧

于 2020-08-12 22:54:40 发布

阅读量2.6k

点赞数 5

分类专栏： PyTorch

本文链接：https://blog.youkuaiyun.com/qq_37791134/article/details/107968692

版权

本文介绍了如何使用TensorboardX在PyTorch中可视化神经网络的特征图，探讨了不同卷积层如何影响特征抽取，并提出了一个疑问：在转换特征图时，为何需要将维度从C,B,H,W变为B,C,H,W。" 5812802,112308,自定义界面：GDI+绘制菜单栏详解,"['.NET开发', '图形界面', '自定义控件', 'GDI+', '反射']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

利用tensorflowX对特征图进行可视化，不同卷积层的特征图的抽取程度不一样的，

# 利用tensorboardX可视化特征图
import torchvision.utils as vutils
from tensorboardX import SummaryWriter
writer = SummaryWriter(log_dir='logs', comment='feature map')
for i,data in enumerate(trainloader, 0):
    # 获取训练数据
    inputs, labels = data
    inputs, labels = inputs.to(device), labels.to(device)
    x = inputs[0].unsqueeze(0) # x 在这里呀
    break

img_grid = vutils.make_grid(x, normalize=True, scale_each= True, nrow=2)

net.eval()

for name, layer in net._modules.items():
    # 为fc层预处理x
    x = x.view(x.size(0), -1) if 'fc' in name else x
    print(x.size())

    x = layer(x)
    print(f'{name}')

    # 查看卷积层的特征图
    if 'layer' in name or 'conv' in name:
        x1 = x.transpose(0, 1)  # C，B, H, W ---> B，C, H, W
        img_grid = vutils.make_grid(x1, normalize=True, scale_each=True, nr

最低0.47元/天解锁文章