我从gluon.vision建立了密集网络
densenet = vision.densenet121(pretrained=True, ctx=mx.cpu())
我想获得每个卷积层的输出(在预测之后),然后将它们绘制出来(功能图)。
我不能做densenet.get_internals()
(就像我在Internet和Github上看到的那样),因为我的网络不是Symbol而是HybridBlock。
答案 0 :(得分:0)
我在mxnet论坛中找到了解决方案: Gluon, get features maps of a CNN
实际上,您必须使用方法export()
将胶子模型转换为符号,以保存参数(来自HybridBlock的方法),并使用方法mx.sym.load()
来加载它们。
function get_interals()[“ name_of_the_layer”]获取从开始到该层的所有层,因此您可以执行feat_maps = net(image)
获取该层的所有要素地图。
然后,您可以在mxBoard中执行SummaryWriter,以将其导出到Tensorboard。