Visualizzare le risposte dei kernel
Uno dei modi per interpretare i pesi di una rete neurale è vedere come i kernel memorizzati in questi pesi "vedono" il mondo. In altre parole, quali proprietà di un'immagine vengono enfatizzate da quel kernel. In questo esercizio, lo faremo convolvendo un'immagine con il kernel e visualizzando il risultato. Date le immagini nella variabile test_data, una funzione chiamata extract_kernel() che estrae un kernel dalla rete fornita e la funzione convolution() che abbiamo definito nel primo capitolo, estrai il kernel, carica i dati da un file e visualizzali con matplotlib.
Nel tuo workspace sono disponibili una CNN profonda model, la funzione convolution() e il kernel che hai estratto in un esercizio precedente.
Vuoi portare il tuo deep learning al livello successivo? Dai un'occhiata a Advanced Deep Learning with Keras per scoprire come la Keras functional API ti permette di costruire conoscenza di dominio per risolvere nuovi tipi di problemi.
Questo esercizio fa parte del corso
Image Modeling with Keras
Istruzioni dell'esercizio
- Usa la funzione
convolution()per convolvere il kernel estratto con il primo canale del quarto elemento nell'array di immagini. - Visualizza la convoluzione risultante con
imshow().
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
import matplotlib.pyplot as plt
# Convolve with the fourth image in test_data
out = ____(____[____, :, :, 0], kernel)
# Visualize the result
____
plt.show()