h5网站模板下载,798艺术区,外贸自建站平台价格,专门代做毕设的网站目录 可视化送入网络的图片可视化网络层的热力图 可视化送入网络的图片
送入的数据为imgs#xff0c;其大小为(8,3,256,256)#xff0c;并以2行8列进行展示
import matplotlib.pyplot as plt
import numpy as np# 假设你的张量名为 tensor#xff0c;形状为 (8, 3, 256, 2… 目录 可视化送入网络的图片可视化网络层的热力图 可视化送入网络的图片
送入的数据为imgs其大小为(8,3,256,256)并以2行8列进行展示
import matplotlib.pyplot as plt
import numpy as np# 假设你的张量名为 tensor形状为 (8, 3, 256, 256)
# 假设通道顺序为 RGB# 将张量的数据格式转换为 (8, 256, 256, 3)
tensor imgs.permute(0, 2, 3, 1)# 创建一个 2x4 的子图布局8 张图像
fig, axes plt.subplots(2, 4, figsize(12, 6))for i in range(8):# 选择子图ax axes[i // 4, i % 4]# 获取第 i 张图像的数据image tensor[i].numpy()# 确保图像的像素值在 [0, 1] 范围内image np.clip(image, 0, 1)# 绘制图像ax.imshow(image)ax.set_title(fImage {i 1})ax.axis(off)plt.tight_layout()
plt.show()可视化网络层的热力图
import torch
import matplotlib.pyplot as plt# 创建一个空的列表来存储该层的输出
activation []# 定义一个钩子函数用于获取该层的输出
def hook_fn(module, input, output):activation.append(output)# 注册钩子到网络的fam4层
model.fam4.register_forward_hook(hook_fn)# 初始化一个子图排列方式为2x4
fig, axs plt.subplots(2, 4, figsize(16, 8))# 将输入数据图片传递给网络进行前向传播
output model(imgs) for i in range(8):# 获取钩子记录的该层的输出layer_output activation[0]# 计算热力图heatmap layer_output.mean(dim1, keepdimTrue) # 在通道维度上取平均值# 可视化热力图axs[i // 4, i % 4].imshow(heatmap[i, 0].cpu().detach().numpy(), cmapviridis)axs[i // 4, i % 4].set_title(fImage {i 1})axs[i // 4, i % 4].axis(off)plt.show()
