PROSAGA码农传奇-模型可视化-Keras中的卷积层可视化

<div class =“post-text”itemprop =“text”>
  <P>
    由于你有一个“形状转换：（14,14,512）”输出并且你标记了你的问题“tensorflow”，我会假设你没有使用Theano后端并且
    <a href="https://keras.io/backend/#image_data_format" rel="nofollow noreferrer">
      “image_data_format”是“channels_last”
    </A>
    。我自己没有使用Theano，但根据我的搜索，Thenao后端默认情况下可能有“channels_first”。因此，在循环输出图层时：
  </p>
   <pre>
    <code>
      for i in range(len(convolutions)):
    ax = fig.add_subplot(n,n,i+1)
    ax.imshow(convolutions[i], cmap='viridis')

</code>
  </pre>
  <P>
    实际上你正在绘制14个图像，每个图像为14x512，而不是512个图像，每个图像为14x14（我认为这是你想要的）。
  </p>
  <P>
    一个简单的（意思是你可以使用你已编码的功能）修复是通过添加设置“image_data_format”“channels_first”
     <code>
      K.set_image_data_format('channels_first')
    </code>
     到你的笔记本/脚本的顶部。但是，此修复程序可能与您的其他代码冲突。在这种情况下，您可以重写图层可视化功能。这是一个适用的例子
    <a href="https://github.com/keras-team/keras/blob/master/examples/mnist_cnn.py" rel="nofollow noreferrer">
      https://github.com/keras-team/keras/blob/master/examples/mnist_cnn.py
    </A>
  </p>
   <pre>
    <code>
      import matplotlib.pyplot as plt
import numpy as np

def visualize_layer(model, layer, input, train_mode=False):
    get_layer_output = K.function([model.input, K.learning_phase()],
                                  [layer.output])
    layer_output = get_layer_output([input, int(train_mode)])[0]
    print('Shape of {} layer output: {}'.format(layer, layer_output.shape))
    for i, sample in enumerate(layer_output):
        n_img = sample.shape[-1]
        img_row = int(np.ceil(np.sqrt(n_img)))
        fig = plt.figure()
        for j in range(n_img):
            ax = fig.add_subplot(img_row, img_row, j+1)
            ax.imshow(sample[:, :, j], cmap='gray')
        fig.savefig('sample_{}.png'.format(i))

visualize_layer(model, model.layers[1], [x_train[0]])

</code>
  </pre>
</DIV>