Question

我一直在寻找一种在培训网络后可视化Caffe参数的方法，我发现this link。它用

发送参数的转置

data = data.reshape((n, n) + data.shape[1:]).transpose((0, 2, 1, 3) + tuple(range(4, data.ndim + 1)))
data = data.reshape((n * data.shape[1], n * data.shape[3]) + data.shape[4:])

我不明白为什么要转置数据？并在 vis_square 中使用此代码：

filters = net.params['conv2'][0].data
vis_square(filters.transpose(0, 2, 3, 1))

哪个太压缩无法理解，任何解释都会受到赞赏。然后当我改变代码以获得conv2而不是conv1时：

net.params['conv1'][0].data.shape : (96, 3, 11, 11)
net.params['conv1'][1].data.shape : (96,)
net.params['conv2'][0].data.shape : (256, 48, 5, 5)
net.params['conv2'][1].data.shape : (256,)
net.params['conv3'][0].data.shape : (384, 256, 3, 3)
net.params['conv3'][1].data.shape : (384,)

for conv2:
data.shape[0] :  256
np.sqrt(data.shape[0]) :  16.0
np.ceil(np.sqrt(data.shape[0])) :  16.0

data.shape[0] :  256
data.shape[0:] :  (256, 6, 6, 48)
data.shape[1] :  6
data.shape[1:] :  (6, 6, 48)
data.ndim :  4
range(4, data.ndim + 1)) :  [4]
tuple(range(4, data.ndim + 1)) :  (4,)

我得到了

TypeError：图片数据的尺寸无效

，conv1和conv2之间是否有任何不同导致此错误？我们如何更改代码来修复它并且它适用于所有层？

一些调试数据：

data = np.pad(data, padding, mode='constant', constant_values=1)

和之后：

data.shape :  (10, 12, 10, 12, 3)

for conv2：

data = data.reshape((n, n) + data.shape[1:]).transpose((0, 2, 1, 3) + tuple(range(4, data.ndim + 1)))

之后

data.shape :  (120, 120, 3)

数据变成了：

var child_options = {
      cwd : prj
    , env : {
                PATH: cmd_directory
            }
    , detatched : true
    , stdio     : 'ignore'
};

//Spawn a child process with child options and command line params
child = spawn('mycommand', arg_array, child_options, function(err, stdout, stderr){

    if (err) {
        console.log("\t\tProblem executing aerender =>\n\t\t" + err);
    } else {
        console.log("\t\tLaunched aerender successfully!")
    }

});

child.unfref() //To ensure child runs as its own process (async style)

Answer 1

您检查的代码被编写为可视化（即转换为RGB图像）卷积滤波器 conv1过滤器（在您的示例中）的形状为(96, 3, 11, 11)，表示为 - 96：您的网络conv1中有96个过滤器（即num_output: 96），因此您希望查看96个不同的过滤器。
- 3：每个过滤器的输入维度为3，因为网络中conv1的输入是带有三个通道的RGB图像。
- 11, 11：您案例中每个内核/过滤器的空间大小为11x11（即kernel_size: 11）。因此，将96个过滤器可视化为11x11x3缩略图。

但是，在尝试可视化conv2（或任何其他更深层）时，您遇到了问题。过滤尺寸不再具有RGB含义。 conv2的过滤器适用于conv1的输出要素（在您的情况下是96维度空间）。迄今为止，AFAIK没有直接的方法将96-dim数据转换为简单的3D RGB表示。
因此，您无法使用相同的代码来显示conv2过滤器。您必须使用其他方法进行可视化。

如何可视化Caffe参数？

1 个答案: