Python基于Pytorch特征图提取的示例分析
导读:本文共4071字符,通常情况下阅读需要14分钟。同时您也可以点击右侧朗读,来听本文内容。按键盘←(左) →(右) 方向键可以翻页。
摘要: 简述为了方便理解卷积神经网络的运行过程,需要对卷积神经网络的运行结果进行可视化的展示。大致可分为如下步骤:单个图片的提取神经网络的构建特征图的提取可视化展示单个图片的提取根据目标要求,需要对单个图片进行卷积运算,但是Pytorch中读取数据主要用到torch.utils.data.DataLoader类,因此我们需要编写单个图片的读取程序defget_pictu... ...
音频解说
目录
(为您整理了一些要点),点击可以直达。为了方便理解卷积神经网络的运行过程,需要对卷积神经网络的运行结果进行可视化的展示。
大致可分为如下步骤:
单个图片的提取
神经网络的构建
特征图的提取
可视化展示
根据目标要求,需要对单个图片进行卷积运算,但是Pytorch中读取数据主要用到torch.utils.data.DataLoader类,因此我们需要编写单个图片的读取程序
注意: 神经网络的输入是四维形式,我们返回的图片是三维形式,需要使用unsqueeze()插入一个维度
网络的基于LeNet构建,不过为了方便展示,将其中的参数按照2562563进行的参数的修正
网络构建如下:
直接上代码:
可视化展示使用matplotlib
代码如下:
在此贴上完整代码
本文:
Python基于Pytorch特征图提取的示例分析的详细内容,希望对您有所帮助,信息来源于网络。