Tensorflow加载训练模型可视化网络结构特征图

最新推荐文章于 2023-12-16 14:12:34 发布

原创

最新推荐文章于 2023-12-16 14:12:34 发布 · 2.1k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #python #可视化

本文详细介绍了一种在深度学习中可视化卷积神经网络特征图的方法，通过TensorFlow和matplotlib库，展示了如何从VGG16模型的特定层中提取并可视化特征图，帮助理解模型学习的特征。

在深度学习研究中，我们对于网络模型的学习过程的认识，大多是以一个黑盒的形式呈现出来的。网络结构中卷积层通过训练数据学习到怎样的特征，特征图是什么样的，对我们而言是隐晦难懂的，为此我们可以通过可视化特征图的方法，以图片的形式将网络结构中某一层特征图显示出来，直观的展现的我们面前，以便后续深入了解这复杂的网路模型。

环境：Tensorflow1.X

需要的包：import matplotlib as plt from pylab import *

过程，首先将网络中需要可视化网络层张量返回到加载模型的验证过程的文件中，然后将运行该张量，得到numpy数组，从而显示，具体方法如下：

1.模型文件model.py

class vgg16:

    def __init__(self, imgs):
        self.imgs = imgs
        self.convlayers()
        self.fc_layers()
        self.c3_3 = self.conv3_3
       
    def saver(self):
        return tf.train.Saver()

    def maxpool(self, name, input_data):
        out = tf.nn.max_pool(input_data,[1,2,2,1],[1,2,2,1],padding="SAME",name=name)
        return out

    def conv(self,name,input_data,out_channel):
        in_channel = input_data.get_shape()[-1]
        with tf.variable_scope(name):
            kernel = tf.get_variable("weights",[3, 3, in_channel,out_channel],dtype=tf.float3