1回答
张量流或角的特征可视化很容易，可以在这里找到。或我使用PyTorch和预先训练的resnet18模型。我只需要输入图像并为特定的层(例如Layer2.0.卷积2)获得激活。在预训练模型中指定了Layer2.0卷积2。
简单地说，如何将一个代码链接到PyTorch？如何获取resnet18 PyTorch中的特定层以及如何获得输入图像的激活。我在tensorflow中尝试过这个，它成功了，但没有PyTorch。
浏览 2提问于2019-11-24得票数 3
回答已采纳
2回答
在卷积神经网络中，卷积过程是丰富的。众所周知，如果你将一张5x5灰度图像(1通道)与一个3x3滤波器(包含一定的权重)进行卷积，你就会得到一个3x3的特征图，如下图所示:卷积我的问题是，为什么会这
浏览 2提问于2020-10-28得票数 1
1回答
我正在研究一个以DGLGraph为输入的图形卷积模型。有什么方法可以可视化模型结构吗？我发现像torchsummary和visualdl这样的库要求输入是pytorch tensors或python数据类型。
浏览 17提问于2019-08-20得票数 2
我正在使用pytorch，并希望将一维(特征)向量广播到三维张量(特征×高度×宽度)，以使用卷积神经网络来调节图像的编码。如此Deepmind paper的图S1所示。
浏览 15提问于2020-11-10得票数 0
回答已采纳
我正在尝试用PyTorch Fast Dense Feature Extractor实现这篇文章，但我在将他们提供的火炬实现示例转换成PyTorch时遇到了麻烦。到目前为止，我的尝试有一个问题，即当向特征映射添加额外的维度时，卷积权重与特征形状不匹配。这在Torch中是如何管理的(从他们的实现来看，Torch似乎并不关心这一点，但PyTorch关心)。基本上，我有一个特征提取器，可以将128x128的补丁转换为嵌入，我想以密集的方式将其应用于更大的图像，而不是使用for
浏览 36提问于2019-03-13得票数 1
回答已采纳
1回答
总之，一维卷积是由带有2x6输入矩阵的2x6核执行的。作者从上述卷积中提取了32个特征。我已经写信给作者，但还没有收到任何关于如何提取这32个特征的答复。
浏览 2提问于2022-07-02得票数 -1
回答已采纳
2回答
如果第一层conv网络上的5x5x3过滤器识别绿色-红色淡出，它会将其激活值记录在28x28特征映射上(给定步幅为1，填充值为0)。从可视化的角度看，似乎他们甚至不需要考虑颜色。此外，过滤器中的颜色似乎变得如此扭曲，以至于它们没有真正描述类特性的样子。为了澄清我的意思，请注意上面的第三组过滤器。但是，一个高水平的过滤器，如果狗的脸里面有蓝色的色调，会不会对标签过程有害，因为大多数狗的面部特征没有这样的颜色吗？
浏览 1提问于2017-01-11得票数 2
我在卷积神经网络结构上测试了一些变化。我试图在conv层之后添加BatchNorm层，而不是添加激活层。然后我用BatchNorm层交换激活层。我注意到，在Netron (用于可视化神经网络体系结构的应用程序)中，b_norm的体系结构中不存在conv之后的b_norm，而激活后的另一个具有b_norm的体系结构。所以我的问题是:卷积后的归一化层有什么特殊的含义吗?或者netron有什么问题吗？
浏览 19提问于2021-09-10得票数 1
回答已采纳
在这里，他们在inception v1上使用3D卷积来执行活动识别。我听了一个演讲，内容是视频中特征的可视化嵌入空间。3) tf.summary.image()是否有助于可视化权重矩阵？
浏览 0提问于2017-10-18得票数 0
目前，我正在用pytorch编写一个基于U-net的分割模型，我想使用类似于mobilenet v2上引入的倒置残差来提高模型在cpu上的速度。我是pytorch的newbee，所以我不知道如
浏览 1提问于2019-04-13得票数 0
2回答
当图像通过每一层的卷积神经网络时，我试图找出图像的维数。例如，如果应用了最大值池或卷积，我想知道该层的图像的形状，对于所有的层。我知道我可以使用nOut=image+2p-f / s + 1公式，但是考虑到PyTorch模型的大小，它太繁琐和复杂了。是否有一种简单的方法来做到这一点，比如可视化工具/脚本或其他什么？
浏览 9提问于2022-05-21得票数 0
回答已采纳
人们以不同的方式实现上卷积。基本上，一种是进行分数步长卷积，另一种是首先对图像进行上采样，然后进行卷积。我在和UNet的实现中看到了第一个，但是我还没有在发表的论文的任何官方实现中看到第二个。但论文的作者通常只说“上卷积/上采样”。如何确定使用哪种上采样(除了尝试每个上采样来查看最终结果之外)？或者，这真的无关紧要？(没有找到关于这个主题的论文)
浏览 1提问于2017-11-09得票数 2
1回答
我在这里特别介绍了AlexNet架构：谁能解释一下输入和输出通道是什么？ super(AlexNet, self).__init__
浏览 32提问于2018-07-05得票数 3
回答已采纳
1回答
如果在图像上使用特征提取方法，那么我是得到一个特征表示还是在特征表示背后有不同的含义？
据我所知，当我在图像上使用CNN时，卷积层会执行特征提取。那么，我还可以说在每一层之后都有一个新的特性表示吗？
浏览 0提问于2020-11-07得票数 0
回答已采纳
据我所知，对于第一层(假设我们有一幅灰度图像)，我们计算出3*3接收场的卷积作为接收权与像素的加权和。. + xn · wn
📷
在图像中，对于所讨论的像素(悬停和平方)，我们有来自4个特征映射的输入。我认为它们是四个整数(每个特征
浏览 0提问于2021-04-08得票数 0
回答已采纳
为了生成鉴别器输出，我是否必须一直使用卷积，或者我是否可以在某个点添加一个线性层来匹配我想要的形状？
我的意思是，我是必须通过添加更多的卷积层来减少形状，还是可以添加一个完全连接的卷积层？
浏览 17提问于2021-03-09得票数 1
回答已采纳
在阅读迈克·奥尼尔( Mike‘’Neill)的一本书“和”时，我遇到了一些关于卷积神经网络中权重数的计算，这是我想要理解的。网络的架构如下：以下是上述文章的解释：
import torch
imp
浏览 0提问于2019-02-14得票数 0
1回答
我有一个有几个卷积层的神经网络，我想要可视化我正在创建的特征地图。这建议使用itorch，但它需要在我想要避免的itorch笔记本中运行我的代码。还有其他的火炬包可以用来显示卷积层吗？因为我在网上发现的关于如何做这件事的资源太少了，所以我记录了我的完整解决方案，并把它加到Github身上。任何想要在火炬中可视化神经网络的人都可以直接到这里开始！
再次感谢YuTse给我的小提示！
浏览 4提问于2015-11-13得票数 3
回答已采纳
我几乎是PyTorch的新手我可以使用squeeze并将其设置为25，8，32。我可以使用matplot或tensorboardX进行可视化。
浏览 11提问于2020-02-27得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
