三行代碼可視化神經(jīng)網(wǎng)絡(luò)特征圖

在科研論文，方案講解，模型分析中，合理解釋特征圖是對最終結(jié)果的一個(gè)加分項(xiàng)。但是之前的一些可視化特征圖的方法往往會有一些tedious，于是我在這里給大家推薦一個(gè)非常方便實(shí)現(xiàn)這個(gè)目標(biāo)的庫——Evison。

Github鏈接:GitHub-JonnesLin/Evison: We provide an easy way for visualizing——https://github.com/JonnesLin/Evison

GitHub倉庫中有完整的代碼案例和云端可執(zhí)行代碼，同時(shí)也歡迎大家提issue和點(diǎn)star

視頻講解鏈接: 教你三行代碼可視化神經(jīng)網(wǎng)絡(luò)特征圖_嗶哩嗶哩_bilibili——https://www.bilibili.com/video/BV1wP4y1n7YS%3Fpop_share%3D1

接下來我就直接上代碼：

#?首先需要安裝Evison
!pip?install?Evison

from?Evison?import?Display,?show_network
from?torchvision?import?models

#?生成我們需要可視化的網(wǎng)絡(luò)(可以使用自己設(shè)計(jì)的網(wǎng)絡(luò))
network?=?models.efficientnet_b0(pretrained=True)

#?使用show_network這個(gè)輔助函數(shù)來看看有什么網(wǎng)絡(luò)層(layers)
show_network(network)

#?以下是部分輸出
'''
features.6.3.block.2
features.6.3.block.2.avgpool
features.6.3.block.2.fc1
features.6.3.block.2.fc2
features.6.3.block.2.activation
features.6.3.block.2.scale_activation
features.6.3.block.3
features.6.3.block.3.0
features.6.3.block.3.1
features.6.3.stochastic_depth
features.7
features.7.0
features.7.0.block
features.7.0.block.0
features.7.0.block.0.0
features.7.0.block.0.1
features.7.0.block.0.2
features.7.0.block.1
features.7.0.block.1.0
features.7.0.block.1.1
features.7.0.block.1.2
features.7.0.block.2
'''

#?構(gòu)建visualization的對象?以及?制定可視化的網(wǎng)絡(luò)層
visualized_layer?=?'features.7.0'
display?=?Display(network,?visualized_layer,?img_size=(224,?224))??#?img_size的參數(shù)指的是輸入圖片的大小


#?加載我們想要可視化的圖片
from?PIL?import?Image
image?=?Image.open('Dog_and_cat.jpeg').resize((224,?224))

#?將想要可視化的圖片送入display中，然后進(jìn)行保存
display.save(image)

可視化的結(jié)果

如果覺得有用，就請分享到朋友圈吧！