Visualiser les réponses des noyaux
L'une des façons d'interpréter les poids d'un réseau de neurones consiste à voir comment les noyaux enregistrés dans ces poids « voient » le monde. Autrement dit, quelles propriétés d'une image ce noyau met en évidence. Dans cet exercice, nous allons faire cela en convoluant une image avec le noyau et en visualisant le résultat. À partir des images dans la variable test_data, d'une fonction extract_kernel() qui extrait un noyau du réseau fourni, et de la fonction convolution() que nous avons définie au premier chapitre, extrayez le noyau, chargez les données à partir d'un fichier et visualisez le tout avec matplotlib.
Un modèle CNN profond model, une fonction convolution(), ainsi que le kernel que vous avez extrait dans un exercice précédent sont disponibles dans votre espace de travail.
Prêt à passer au niveau supérieur en deep learning? Consultez Advanced Deep Learning with Keras pour voir comment l'API fonctionnelle de Keras vous permet de mettre à profit vos connaissances du domaine pour résoudre de nouveaux types de problèmes.
Cette activité fait partie du cours
Modélisation d'images avec Keras
Instructions de l’exercice
- Utilisez la fonction
convolution()pour convoluer le noyau extrait avec le premier canal du quatrième élément du tableau d'images. - Visualisez la convolution obtenue avec
imshow().
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
import matplotlib.pyplot as plt
# Convolve with the fourth image in test_data
out = ____(____[____, :, :, 0], kernel)
# Visualize the result
____
plt.show()