場景：假設(shè)已訓(xùn)練好model，并選了最佳模型best_net，現(xiàn)在想提取網(wǎng)絡(luò)層的特征并繪出熱力圖。

1、oriImg = cv2.imread(image_path) #讀取一張圖片，image_path是圖片路徑

2、data = torch.from_numpy(oriImg).type(torch.FloatTensor).cuda()??
? ? ?output = best_net(data)? ?#前向計算，這是best_net上權(quán)值結(jié)合data生成了網(wǎng)絡(luò)層的特征值。

3、獲取網(wǎng)絡(luò)層特征值：

activation = {} def get_activation(name):def hook(model, input, output):activation[name] = output.detach()return hook# normalizing the output def normalize_output(img):img = img - img.min()img = img / img.max()return img#conv1 best_net.conv1.register_forward_hook(get_activation('conv1'))#maxpool feature = activation['conv1'].squeeze() feature_0 = feature[0].cpu().numpy()

? ? 假設(shè)這里獲取卷積層conv1的特征層，然后提取第一個通道。

4、可視化特征值，即可顯示特征熱力圖。

feature_0 = normalize_output(feature_0) feature_0 = np.uint8(255 * feature_0) #plot height, width, _ = oriImg.shape featuremap = cv2.applyColorMap(cv2.resize(feature_0,(width, height)), cv2.COLORMAP_JET) #featuremap = featuremap * 0.3 + oriImg * 0.5 plt.imshow(featuremap) plt.axis('off')

結(jié)果：

總結(jié)

以上是生活随笔為你收集整理的Feature Map of Pytorch示例的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。