カーネル応答の可視化
ニューラルネットワークの重みを解釈する方法の一つは、これらの重みに保存されたカーネルが世界をどのように「見ている」かを確認することです。つまり、このカーネルによって画像のどの性質が強調されるのかを調べます。この演習では、画像にカーネルを畳み込んで、その結果を可視化します。test_data 変数に含まれる画像、与えられたネットワークからカーネルを抽出する extract_kernel() 関数、そして第1章で定義した convolution() 関数を使って、カーネルを抽出し、ファイルからデータを読み込み、matplotlib で可視化してください。
ディープCNNの model、convolution() 関数、さらに前の演習で抽出した kernel がワークスペースに用意されています。
Deep Learning をさらに極めたい方は、Advanced Deep Learning with Keras をご覧ください。Keras の Functional API を使ってドメイン知識を活かし、新しいタイプの問題を解く方法を学べます。
この演習はコースの一部です
Keras で学ぶ画像モデリング
演習の手順
convolution()関数を使い、抽出したカーネルを画像配列の4番目の要素の第1チャンネルに畳み込みます。- 得られた畳み込み結果を
imshow()で可視化します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
import matplotlib.pyplot as plt
# Convolve with the fourth image in test_data
out = ____(____[____, :, :, 0], kernel)
# Visualize the result
____
plt.show()