在许多文档中，都会包含 "示例" 这样的每个滤波器图像。我想要像 "示例" 图像那样可视化我的卷积滤波器，但我不知道如何进行可视化。
如何可视化我的卷积滤波器？
如何可视化TensorFlow卷积滤波器？
17
- Hyeonjin Jang
5
参见：如何在tensorflow上可视化学习到的滤波器 - Martin Thoma
参见：如何在Tensorflow中可视化CNN中的权重（变量）？ - Martin Thoma
4这些图像不是过滤器本身，我认为。我认为它们是已经优化的图像，旨在最大化特定过滤器的响应。 - chris
@chris 错了，左图是AlexNet的第一个卷积层滤波器，右图是在Dropout论文中训练的网络的滤波器。 - Dr. Snoopy
@chris 错误，左图是AlexNet的第一个卷积层滤波器，右图是在Dropout论文中训练的网络的滤波器。 - undefined
3个回答
7
将每个卷积滤波器视为 x 乘以 x 的矩阵，其中 x 是滤波器的大小。因此，您的任务是将这些矩阵放在图形网格上。我已经做了一个例子，展示如何使用MNIST数据集绘制卷积滤波器和卷积层的输出，请参见 github上的conviz存储库。希望对你有所帮助。
- Sergii Gryshkevych
5
不，那些不是过滤器。您可以阅读这篇论文，其中描述了将层L的过滤器转换为这些图像的过程。简单来说，它会取一些过滤器，并使用类似但不完全相同于反向传播的技术将过滤器转换为图像。
- khaled Fouda
1
2D卷积的结果是一个张量
有关如何执行此操作的教程，请参见答案。
[batch, in_height, in_width, in_channels]。图像可以表示为矩阵[in_height, in_width, in_channels]。因此，您只需要从批次中获取几个图像，并使用tf.summary.image()将它们添加到摘要中即可。有关如何执行此操作的教程，请参见答案。
- Salvador Dali
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接