可视化第二个卷积层

Posted 2023-03-27

【中文标题】可视化第二个卷积层

【英文标题】：visualizing 2nd convolutional layer

【发布时间】：2018-12-25 13:53:43

【问题描述】：

因此，通过 tf.summary，我将模型中的第一个卷积层（形状为 [5,5,3,32]）可视化为一组单独的图像，每个过滤器一个。所以这一层有一个 5x5 尺寸的过滤器，深度为 3，共有 32 个。我将这些过滤器视为 5x5 彩色（RGB）图像。

我想知道如何将其推广到第二个卷积层和第三个卷积层...... 第二个卷积层的形状是[5,5,32,64]。 我的问题是如何将该张量转换为单独的 5x5x3 图像？

对于形状为 [5,5,3,32] 的第一个 conv 层，我通过转置第一个 tf.transpose(W_conv1,(3,0,1,2))，然后拥有 32 个 5x5x3 图像来对其进行可视化。

执行tf.transpose(W_conv2,(3,0,1,2)) 会产生一个形状 [64,5,5,32]。那么我将如何使用那些“32 个颜色通道”？ （我知道它不是那么简单:)）。

【参考方案1】：

高级过滤器的可视化通常是间接完成的。要可视化特定过滤器，您需要查找过滤器响应最多的图像。为此，您在图像空间中执行梯度上升（而不是像在训练网络时那样更改网络参数，而是更改输入图像）。

如果您使用以下 Keras 代码，您会更容易理解：https://github.com/keras-team/keras/blob/master/examples/conv_filter_visualization.py

【讨论】：

好东西！ :) 在阅读完最大激活图像后，我开始怀疑是要走的路。谢谢你的解释:)

你不知道有一个使用低级 TensorFlow API 的例子吗？

不，我没有，但即使从 keras 移植它也应该不会太难。