当前位置: 首页 > news >正文

商贸有限公司简介好口碑关键词优化地址

商贸有限公司简介,好口碑关键词优化地址,上海注册公司注册在哪里比较好,快法务网站开发本文对神经网络各层特征图可视化的过程进行运行示例,方便大家使用,有助于更好的理解深度学习的过程,尤其是每层的结果。 神经网络各层特征图可视化的好处和特点如下: 可视化过程可以了解网络对图像像素的权重分布,可…

本文对神经网络各层特征图可视化的过程进行运行示例,方便大家使用,有助于更好的理解深度学习的过程,尤其是每层的结果。

神经网络各层特征图可视化的好处和特点如下:

可视化过程可以了解网络对图像像素的权重分布,可以了解网络对图像特征的提取过程,还可以剔除对特征表达无关紧要的像素,缩短网络训练时间,减少模型复杂度。
可以将复杂多维数据以图像形式呈现,帮助科研人员更好的理解数据特征,同时可以建立定量化的图像与病理切片的对应关系,为后续病理研究提供可视化依据。

本示例以一幅图象经过一层卷积输出为例进行。在自己运行时可以多加几层卷积和调整相应的输出通道等操作。

import torch
import torch.nn as nn
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np
import math
from torchvision import transforms
# 定义一个卷积层
conv_layer = nn.Conv2d(in_channels=3, out_channels=64, kernel_size=3, stride=2, padding=1)# 输入图像(随机生成)
image = Image.open("../11111.jpg")
#input_image = torch.randn(1, 3, 224, 224)
transform = transforms.Compose([transforms.ToTensor()
])# 对图像应用转换操作
input_image= transform(image)
input_image = input_image.unsqueeze(0)# 通过卷积层获取特征图
feature_map = conv_layer(input_image)batch, channels, height, width = feature_map.shape
blocks = torch.chunk(feature_map[0].cpu(), channels, dim=0)
n = min(32, channels)  # number of plots
fig, ax = plt.subplots(math.ceil(n / 8), 8, tight_layout=True)  # 8 rows x n/8 cols
ax = ax.ravel()
plt.subplots_adjust(wspace=0.05, hspace=0.05)
for i in range(n):ax[i].imshow(blocks[i].squeeze().detach().numpy())  # cmap='gray'ax[i].axis('off')
plt.savefig('./tezhengtu.jpg', dpi=300, bbox_inches='tight')
plt.show()
plt.close()

代码解释:
步骤1 定义一个卷积层(Convolutional Layer):conv_layer,该卷积层有3个输入通道,64个输出通道, kernel size为3x3,步长为2,填充为1。
步骤2输入图像:这里使用了一个真实的图像文件路径"…/11111.jpg"作为输入图像。你可以替换为你自己的图像文件路径。
步骤3定义一个图像转换操作(transform)序列,用于将输入图像转换为PyTorch需要的张量格式。这里仅包含一个操作:转换为张量(ToTensor)。
步骤4对输入图像应用转换操作:通过transform(image)将图像转换为PyTorch张量,然后通过unsqueeze(0)增加一个额外的维度(batch维度),使得输入图像的形状变为(1, 3, H, W)。

步骤5通过卷积层获取特征图:将输入图像传递给卷积层conv_layer,得到特征图feature_map。
步骤6将特征图转换为numpy数组:为了可视化,需要将特征图从PyTorch张量转换为numpy数组。这里使用了detach().numpy()方法来实现转换。
步骤7获取特征图的一些属性:使用shape属性获取特征图的batch大小、通道数、高度和宽度。
步骤8分块显示特征图:为了在图像中显示特征图,需要将特征图分块处理。这里使用torch.chunk方法将特征图按照通道数分割成若干块,每一块代表一个通道的输出。然后使用Matplotlib库中的subplot功能将分块后的图像显示在画布上。具体地,这段代码将分块后的图像显示在一个8x8的画布上,每个小图的尺寸为256x256像素(因为最后一块图像可能不足8个通道,所以使用了最少的小图数量)。最后使用savefig方法保存图像到文件,并关闭Matplotlib的画布。

输入的图像为:
在这里插入图片描述
经过一层卷积之后的特征图为:

在这里插入图片描述

http://www.dinnco.com/news/10163.html

相关文章:

  • 重庆新闻联播今天百度优化培训
  • 太原网站建设列表网中国营销网
  • 高端定制网站建设网站seo快速排名优化
  • 大作设计网站官网下载快速排名软件案例
  • 网站建设 开发网站代码seo手机排名软件
  • 资阳做网站佛山本地网站建设
  • 重庆企业网站建设推荐做网络推广一般是什么专业
  • 中网的官方网站seo推广网站
  • 互助网站开发sem是什么显微镜
  • 可靠的网站建设图十种网络推广的方法
  • 网站常规后台产品软文范例大全
  • 网站制作费用属于广告费吗互联网推广员是做什么
  • 班级空间网站建设作用网络营销推广的总结
  • 网站推广 英文网络营销专业是做什么的
  • 三合一网站开发架构网络站点推广的方法
  • 湘潭做网站 m磐石网络推广有奖励的app平台
  • 临沂网站公众号建设网站推广如何做
  • 单页淘宝客网站厦门关键词排名推广
  • 怎么给网站做手机端什么平台推广效果最好
  • 上海国际物流网站建设在线看seo网站
  • 阜阳恒亮做网站多少钱手游免费0加盟代理
  • 鞍山网站建设找金航sem与seo
  • 查询网站dns服务器台湾永久免费加密一
  • 有哪些网站是用php做的沈阳seo优化
  • wordpress 去除页面标题深圳网络优化公司
  • 外包做一个网站一般费用yandex引擎
  • 自做网站域名重定向线上推广公司
  • wordpress 图片主题tob上海网站优化公司
  • 聊城做网站的公司平台百度推广seo自学
  • 狼雨seo教程的网上店铺seo排名优化推荐