pytorch 可视化feature map的示例代码

作者:牛丸4 时间:2021-10-21 13:35:49 

之前做的一些项目中涉及到feature map 可视化的问题,一个层中feature map的数量往往就是当前层out_channels的值,我们可以通过以下代码可视化自己网络中某层的feature map,个人感觉可视化feature map对调参还是很有用的。

不多说了,直接看代码:


import torch
from torch.autograd import Variable
import torch.nn as nn
import pickle

from sys import path
path.append('/residual model path')
import residual_model
from residual_model import Residual_Model

model = Residual_Model()
model.load_state_dict(torch.load('./model.pkl'))

class myNet(nn.Module):
 def __init__(self,pretrained_model,layers):
   super(myNet,self).__init__()
   self.net1 = nn.Sequential(*list(pretrained_model.children())[:layers[0]])
   self.net2 = nn.Sequential(*list(pretrained_model.children())[:layers[1]])
   self.net3 = nn.Sequential(*list(pretrained_model.children())[:layers[2]])

def forward(self,x):
   out1 = self.net1(x)
   out2 = self.net(out1)
   out3 = self.net(out2)
   return out1,out2,out3

def get_features(pretrained_model, x, layers = [3, 4, 9]): ## get_features 其实很简单
'''
1.首先import model
2.将weights load 进model
3.熟悉model的每一层的位置,提前知道要输出feature map的网络层是处于网络的那一层
4.直接将test_x输入网络,*list(model.chidren())是用来提取网络的每一层的结构的。net1 = nn.Sequential(*list(pretrained_model.children())[:layers[0]]) ,就是第三层前的所有层。

'''
 net1 = nn.Sequential(*list(pretrained_model.children())[:layers[0]])
#  print net1
 out1 = net1(x)

net2 = nn.Sequential(*list(pretrained_model.children())[layers[0]:layers[1]])
#  print net2
 out2 = net2(out1)

#net3 = nn.Sequential(*list(pretrained_model.children())[layers[1]:layers[2]])
 #out3 = net3(out2)

return out1, out2
with open('test.pickle','rb') as f:
 data = pickle.load(f)
x = data['test_mains'][0]
x = Variable(torch.from_numpy(x)).view(1,1,128,1) ## test_x必须为Varibable
#x = Variable(torch.randn(1,1,128,1))
if torch.cuda.is_available():
 x = x.cuda() # 如果模型的训练是用cuda加速的话,输入的变量也必须是cuda加速的,两个必须是对应的,网络的参数weight都是用cuda加速的,不然会报错
 model = model.cuda()
output1,output2 = get_features(model,x)## model是训练好的model,前面已经import 进来了Residual model
print('output1.shape:',output1.shape)
print('output2.shape:',output2.shape)
#print('output3.shape:',output3.shape)
output_1 = torch.squeeze(output2,dim = 0)
output_1_arr = output_1.data.cpu().numpy() # 得到的cuda加速的输出不能直接转变成numpy格式的,当时根据报错的信息首先将变量转换为cpu的,然后转换为numpy的格式
output_1_arr = output_1_arr.reshape([output_1_arr.shape[0],output_1_arr.shape[1]])

来源:https://blog.csdn.net/baidu_36161077/article/details/81388221

标签:pytorch,可视化,feature,map
0
投稿

猜你喜欢

  • PHP日期函数date格式化UNIX时间的方法

    2024-06-05 09:47:14
  • Window.Open详解

    2008-06-08 13:43:00
  • 利用box-sizing实现div仿框架

    2009-12-08 15:45:00
  • OpenCV+python实现膨胀和腐蚀的示例

    2021-06-12 10:35:00
  • 动态语言、动态类型语言、静态类型语言、强类型语言、弱类型语言介绍

    2023-04-24 19:48:44
  • python3+PyQt5实现柱状图

    2023-06-02 22:19:36
  • window环境配置Mysql 5.7.21 windowx64.zip免安装版教程详解

    2024-01-24 01:19:00
  • django连接mysql配置方法总结(推荐)

    2024-01-26 21:50:50
  • REPAIR TABLE语法介绍——MySQL数据库

    2012-01-05 19:08:59
  • Python arrow 更好的日期时间模块

    2022-02-08 14:06:15
  • php session应用实例 登录验证

    2023-11-14 13:49:43
  • Python标准库os库的常用功能解析

    2021-03-06 12:32:51
  • Golang 使用gorm添加数据库排他锁,for update

    2024-01-29 09:34:53
  • js中var、let、const之间的区别

    2024-04-23 09:11:29
  • 前端之vue3使用WebSocket的详细步骤

    2024-04-30 10:28:54
  • JS实现在线ps功能详解

    2024-05-13 09:19:02
  • composer.lock文件的作用

    2023-06-06 13:05:24
  • python实现将JPG、BMP图片转化为bgr

    2023-09-16 05:01:06
  • python实现kmp算法的实例代码

    2022-07-19 15:07:16
  • LotusPhp笔记之:基于ObjectUtil组件的使用分析

    2023-11-19 09:18:32
  • asp之家 网络编程 m.aspxhome.com