這個也可以參考：
這篇部落格主要記錄了如何提取特定層的特徵，然後對它進行視覺化
處理單張作為網路輸入。
根據給定的layer層，獲取該層的輸出結果features。
考慮到features的形狀為：[batch_size, filter_nums, h, w] 提取其中的第乙個過濾器得到的結果feature。
以一張作為輸入的情況下，我們得到的feature即為[h,w]大小的tensor。
將tensor轉為numpy，然後歸一化到[0,1]，最後乘255，使得範圍為[0,255]
得到灰度影象並儲存。
了解實現流程之後整個**沒有什麼難度，對其中的關鍵點進行簡單說明一下：
需要特別交代的差不多就是這些，直接上**了：
import cv2
import numpy as np
import tor
特徵視覺化
colormap 色度圖 的視覺表示和colormap 的數值，左邊的顏色模式表示較低的灰度值，右邊的則表示較高的灰度值。得到特徵圖fea後,heatmap np.mean fea,axis 1 heatmap np.maximum heatmap,0 heatmap與0比較，取其大者 heatma...
pytorch模型視覺化
先把tensorflow和pytorch安裝好 之後在pytorch環境裡 pip install tensorboardx 將with summarywriter comment lenet as w w.add graph model,varinput,新增到模型和輸入的後面，類似這樣注意引數第...
pytorch 模型視覺化
針對pytorch有很多視覺化方式，比如，tensorboard logger visdom等，但這些比較複雜和不夠友好，則使用更強大的工具 tenorboardx from torch.utils.tensorboard import summarywriter if name main inpu...