Question

张量流或角膜的特征可视化很容易，可以在这里找到。 https://machinelearningmastery.com/how-to-visualize-filters-and-feature-maps-in-convolutional-neural-networks/或Convolutional Neural Network visualization - weights or activations?

如何在pytorch中执行此操作？

我正在使用带有预训练的resnet18模型的PyTorch。我只需要输入图像并激活特定图层（例如Layer2.0.conv2）。在预训练模型中指定了Layer2.0.conv2。

简单来说；如何将链接代码转换为PyTorch？如何获取resnet18 PyTorch中的特定图层以及如何获取输入图像的激活。我在tensorflow中尝试了这个方法，但没有成功，但PyTorch却没有。

Answer 1

您必须在特定层上注册PyTorch的钩子。有关钩子的介绍，请参见this tutorial。

基本上，它可以捕获input/output中进入forward/backward的{{1}}中的torch.nn.Module。整个过程可能有点复杂，存在一个目标与您相似的库（免责声明，我是作者），名为torchfunc。特别是torchfunc.hooks.recorder允许您执行所需操作，请参见下面的代码段和注释：

import torchvision
import torchfunc

my_network = torchvision.resnet18(pretrained=True)
# Recorder saving inputs to all submodules
recorder = torchfunc.hooks.recorders.ForwardPre()

# Will register hook for all submodules of resnet18
# You could specify some submodules by index or by layer type, see docs
recorder.modules(my_networks)

# Push example image through network
my_network(torch.randn(1, 3, 224, 224))

您只能register记录index或图层类型指定的某些图层（子模块），以获取必要的信息，运行：

# Zero image before going into the third submodule of this network
recorder.data[3][0]

# You can see all submodules and their positions by running this:    
for i, submodule in enumerate(my_network.modules()):
    print(i, submodule)

# Or you can just print the network to get this info
print(my_network)

可视化神经网络层激活

1 个答案: