三行代码可视化神经网络特征图

2022 年 1 月 4 日 极市平台
↑ 点击 蓝字  关注极市平台

作者 | Jonnes 
来源 | https:www.zhihu.com/people/jones-11 
编辑 | 极市平台

极市导读

 

在科研论文,方案讲解,模型分析中,合理解释特征图是对最终结果的一个加分项。但是之前的一些可视化特征图的方法往往会有一些tedious,于是我在这里给大家推荐一个非常方便实现这个目标的库——Evison。 >>加入极市CV技术交流群,走在计算机视觉的最前沿

在科研论文,方案讲解,模型分析中,合理解释特征图是对最终结果的一个加分项。但是之前的一些可视化特征图的方法往往会有一些tedious,于是我在这里给大家推荐一个非常方便实现这个目标的库——Evison。

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

GitHub仓库中有完整的代码案例和云端可执行代码,同时也欢迎大家提issue和点star

视频讲解链接: 教你三行代码可视化神经网络特征图_哔哩哔哩_bilibili——https://www.bilibili.com/video/BV1wP4y1n7YS%3Fpop_share%3D1

接下来我就直接上代码:

# 首先需要安装Evison
!pip install Evison

from Evison import Display, show_network
from torchvision import models

# 生成我们需要可视化的网络(可以使用自己设计的网络)
network = models.efficientnet_b0(pretrained=True)

# 使用show_network这个辅助函数来看看有什么网络层(layers)
show_network(network)

# 以下是部分输出
'''
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
'''


# 构建visualization的对象 以及 制定可视化的网络层
visualized_layer = 'features.7.0'
display = Display(network, visualized_layer, img_size=(224224))  # img_size的参数指的是输入图片的大小


# 加载我们想要可视化的图片
from PIL import Image
image = Image.open('Dog_and_cat.jpeg').resize((224224))

# 将想要可视化的图片送入display中,然后进行保存
display.save(image)

可视化的结果

如果觉得有用,就请分享到朋友圈吧!

△点击卡片关注极市平台,获取 最新CV干货

公众号后台回复“transformer”获取最新Transformer综述论文下载~


极市干货
课程/比赛: 珠港澳人工智能算法大赛 保姆级零基础人工智能教程
算法trick 目标检测比赛中的tricks集锦 从39个kaggle竞赛中总结出来的图像分割的Tips和Tricks
技术综述: 一文弄懂各种loss function 工业图像异常检测最新研究总结(2019-2020)


CV技术社群邀请函 #

△长按添加极市小助手
添加极市小助手微信(ID : cvmart4)

备注:姓名-学校/公司-研究方向-城市(如:小极-北大-目标检测-深圳)


即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群


每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~



觉得有用麻烦给个在看啦~   
登录查看更多
1

相关内容

专知会员服务
27+阅读 · 2021年6月2日
专知会员服务
37+阅读 · 2021年3月31日
【CVPR2021】面向视频动作分割的高效网络结构搜索
专知会员服务
13+阅读 · 2021年3月14日
近期必读的7篇 CVPR 2019【视觉问答】相关论文和代码
专知会员服务
35+阅读 · 2020年1月10日
【GitHub实战】Pytorch实现的小样本逼真的视频到视频转换
专知会员服务
35+阅读 · 2019年12月15日
可逆神经网络详细解析:让神经网络更加轻量化
实践教程|最简单的代码实现语义分割!
极市平台
0+阅读 · 2022年2月18日
pytorch学习 | 提取参数及自定义初始化
极市平台
0+阅读 · 2021年12月21日
初学者的 Keras:实现卷积神经网络
Python程序员
24+阅读 · 2019年9月8日
PyTorch模型训练特征图可视化(TensorboardX)
极市平台
33+阅读 · 2019年6月29日
用PyTorch做物体检测和追踪
AI研习社
12+阅读 · 2019年1月6日
手把手教你构建ResNet残差网络
专知
38+阅读 · 2018年4月27日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
31+阅读 · 2021年6月30日
Disentangled Information Bottleneck
Arxiv
12+阅读 · 2020年12月22日
VIP会员
相关VIP内容
专知会员服务
27+阅读 · 2021年6月2日
专知会员服务
37+阅读 · 2021年3月31日
【CVPR2021】面向视频动作分割的高效网络结构搜索
专知会员服务
13+阅读 · 2021年3月14日
近期必读的7篇 CVPR 2019【视觉问答】相关论文和代码
专知会员服务
35+阅读 · 2020年1月10日
【GitHub实战】Pytorch实现的小样本逼真的视频到视频转换
专知会员服务
35+阅读 · 2019年12月15日
相关资讯
可逆神经网络详细解析:让神经网络更加轻量化
实践教程|最简单的代码实现语义分割!
极市平台
0+阅读 · 2022年2月18日
pytorch学习 | 提取参数及自定义初始化
极市平台
0+阅读 · 2021年12月21日
初学者的 Keras:实现卷积神经网络
Python程序员
24+阅读 · 2019年9月8日
PyTorch模型训练特征图可视化(TensorboardX)
极市平台
33+阅读 · 2019年6月29日
用PyTorch做物体检测和追踪
AI研习社
12+阅读 · 2019年1月6日
手把手教你构建ResNet残差网络
专知
38+阅读 · 2018年4月27日
相关基金
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员