| 如何实现CNN特征层可视化？终于懂了.... | 您所在的位置：网站首页 › vb可视化的特征是什么 › 如何实现CNN特征层可视化？终于懂了.... |
如何实现CNN特征层可视化？终于懂了....
|
程序员宝藏库：https://github.com/Jackpopc/CS-Books-Store 现如今，谈起人工智能，对于大多数人来说已经不再陌生。 而作为其中比较热门的计算机视觉，更是吸引了一大批从业者。 但是，其中绝大多部分都“不知所以然”。搭建起开发环境，照搬一段代码，就认为大功告成，但是，到底数据进入网络中发生了什么？特征是什么样的，很多人都回答不上来。 本文，就来教大家如何如何可视化CNN网络层的特征图。 教程废话不多说，我们先来建立一个网络模型： model = tf.keras.models.Sequential（[ tf.keras.layers.Conv2D（8，（3,3），激活='relu'，input_shape =（150,150,3））， tf.keras.layers.MaxPooling2D（2,2）， tf.keras.layers.Conv2D（16，（3,3），激活='relu'）， tf.keras.layers.MaxPooling2D（2,2）， tf.keras.layers.Conv2D（32，（3,3），激活='relu'）， tf.keras.layers.MaxPooling2D（2,2）， tf.keras.layers.Flatten（）， tf.keras.layers.Dense（1024，activation ='relu'）， tf.keras.layers.Dense（512，activation ='relu'）， tf.keras.layers.Dense（3，activation ='softmax'） ]）该模型的概括如下： model.summary()
如上所示，我们具有三个卷积层，其后是MaxPooling层，两个全连接层和一个最终输出全连接层。 我们需要训练和拟合模型。因此，首先运行模型，然后才能得到特征图。只不过，在这里不演示这部分过程。 要生成特征图，需要用到model.layersAPI，接下来了解如何访问CNN中间层。 获取CNN网络层的名称 layer_names |
【本文地址】
公司简介
联系我们