cnn神经网络卷积层可视化
2017-12-11 12:03
435 查看
cnn神经网络卷积层可视化
1.修改model.py文件的定义网络输出函数def inference(images,batch_size, n_classes): ###你的卷积层、全连接层、softmax层定义 return softmax_linear,conv1,conv2
2.修改测试函数
logit ,conv1,conv2= model.inference(image,BATCH_SIZE,n_class) with tf.Session() as sess: ckpt = tf.train.get_checkpoint_state(logits_train_dir)#读取训练好的参数 if ckpt and ckpt.model_checkpoint_path: global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1] saver.restore(sess,ckpt.model_checkpoint_path) print('loading sucess,global-step is %s' % global_step) else: print('No checkpoint file found') conv1 = sess.run(conv1,feed_dict={x: image_array})#计算第一层卷积输出 conv2 = sess.run(conv2,feed_dict={x: image_array})#计算第二层卷积输出
3.输出卷积层结果
fig, axes = plt.subplots(4, 4, figsize=(6, 6), subplot_kw={'xticks': [], 'yticks': []}) fig.subplots_adjust(left=0.02, bottom=0.06, right=0.95, top=0.94, wspace=0.05) for i,ax in zip(range(16), axes.flat): ax.imshow(conv2[0,:,:,i]) plt.show()
相关文章推荐
- CNN学习笔记(一)卷积神经网络基础知识
- 深度学习与自然语言处理之四:卷积神经网络模型(CNN)
- 使用神经网络-垃圾邮件检测-LSTM或者CNN(一维卷积)效果都不错【代码有问题,pass】
- CNN学习笔记(二)卷积神经网络经典结构
- 利用keras搭建神经卷积网络(CNN)
- 深度学习与自然语言处理之四:卷积神经网络模型(CNN)
- 深度学习与自然语言处理之四:卷积神经网络模型(CNN)
- 卷积神经网络模型(CNN)
- 深度学习与自然语言处理之四:卷积神经网络模型(CNN)
- 反卷积在神经网络可视化上的成功应用
- 写个神经网络,让她认得我`(๑•ᴗ•๑)(Tensorflow,opencv,dlib,cnn,人脸识别)
- 卷积:如何成为一个很厉害的神经网络
- 神经网络模型之CNN网络架构
- 深度学习算法之卷积神经网络简介
- 基于python神经卷积网络的人脸识别
- 神经网络:caffe特征可视化的代码样例
- [计算机视觉][神经网络与深度学习]Faster R-CNN配置及其训练教程
- 见过最好的神经网络CNN解释
- Tensorflow搭建神经网络及使用Tensorboard进行可视化
- CNN(卷积神经网络)、RNN(循环神经网络)、DNN,LSTM