1. Nauka
    2. /
  2. Kursy
    3. /
  3. Modelowanie obrazów z Keras
Connected

ćwiczenie

Wizualizacja odpowiedzi jąder splotowych

Jednym ze sposobów interpretacji wag sieci neuronowej jest sprawdzenie, jak jądra splotowe zapisane w tych wagach „postrzegają" obraz – innymi słowy, jakie właściwości obrazu są przez nie uwydatniane. W tym ćwiczeniu wykonasz splot obrazu z jądrem i zwizualizujesz wynik. Masz do dyspozycji obrazy zapisane w zmiennej test_data, funkcję extract_kernel() wyodrębniającą jądro z podanej sieci oraz funkcję convolution() zdefiniowaną w pierwszym rozdziale. Wyodrębnij jądro, wczytaj dane z pliku i zwizualizuj wynik za pomocą matplotlib.

W środowisku roboczym dostępne są: głęboki model CNN (model), funkcja convolution() oraz kernel wyodrębniony we wcześniejszym ćwiczeniu.

Chcesz pójść dalej w uczeniu głębokim? Zajrzyj do kursu Advanced Deep Learning with Keras, gdzie poznasz funkcjonalne API Keras i nauczysz się rozwiązywać nowe typy problemów.

Instrukcje

100 XP
  • Użyj funkcji convolution(), aby wykonać splot wyodrębnionego jądra z pierwszym kanałem czwartego elementu tablicy obrazów.
  • Zwizualizuj wynikowy splot za pomocą imshow().