Visualización de las respuestas del núcleo
Una de las formas de interpretar los pesos de una red neuronal es ver cómo los núcleos almacenados en estos pesos «ven» el mundo. Es decir, qué propiedades de una imagen se enfatizan con este núcleo. En este ejercicio, lo haremos convolucionando una imagen con el núcleo y visualizando el resultado. Dadas las imágenes en la variable test_data, una función llamada extract_kernel() que extrae un kernel de la red proporcionada, y la función llamada convolution() que definimos en el primer capítulo, extrae el kernel, carga los datos desde un archivo y visualízalos con matplotlib.
En tu espacio de trabajo tienes disponible una CNN profunda ( model), una función ( convolution()) y el paquete de funciones ( kernel ) que extrajiste en un ejercicio anterior.
¿Estás listo para llevar tu aprendizaje profundo al siguiente nivel? Echa un vistazo a Aprendizaje profundo avanzado con Keras para ver cómo la API funcional de Keras te permite desarrollar conocimientos especializados para resolver nuevos tipos de problemas.
Este ejercicio forma parte del curso
Modelado de imágenes con Keras
Instrucciones del ejercicio
- Utiliza la función
convolution()para convolucionar el núcleo extraído con el primer canal del cuarto elemento del arreglo de imágenes. - Visualiza la convolución resultante con
imshow().
Ejercicio interactivo práctico
Prueba este ejercicio completando el código de muestra.
import matplotlib.pyplot as plt
# Convolve with the fourth image in test_data
out = ____(____[____, :, :, 0], kernel)
# Visualize the result
____
plt.show()