Memvisualisasikan respons kernel
Salah satu cara untuk menafsirkan bobot pada neural network adalah dengan melihat bagaimana kernel yang tersimpan dalam bobot tersebut “memandang” dunia. Maksudnya, properti apa dari sebuah gambar yang disorot oleh kernel ini. Pada latihan ini, kita akan melakukannya dengan mengonvolusikan sebuah gambar dengan kernel tersebut dan memvisualisasikan hasilnya. Dengan gambar yang ada pada variabel test_data, fungsi extract_kernel() yang mengekstrak sebuah kernel dari jaringan yang disediakan, serta fungsi convolution() yang kita definisikan di bab pertama, ekstrak kernel, muat data dari sebuah file, dan visualisasikan dengan matplotlib.
Sebuah model CNN dalam, model, fungsi convolution(), beserta kernel yang telah Anda ekstrak pada latihan sebelumnya tersedia di workspace Anda.
Siap membawa deep learning Anda ke level berikutnya? Lihat Advanced Deep Learning with Keras untuk mengetahui bagaimana Keras functional API memungkinkan Anda membangun pengetahuan domain untuk menyelesaikan jenis masalah baru.
Latihan ini adalah bagian dari kursus
Pemodelan Citra dengan Keras
Petunjuk latihan
- Gunakan fungsi
convolution()untuk mengonvolusikan kernel yang diekstrak dengan kanal pertama dari item keempat dalam array gambar. - Visualisasikan hasil konvolusi tersebut dengan
imshow().
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
import matplotlib.pyplot as plt
# Convolve with the fourth image in test_data
out = ____(____[____, :, :, 0], kernel)
# Visualize the result
____
plt.show()