Visualizando respostas do kernel
Uma das maneiras de entender os pesos de uma rede neural é ver como os kernels guardados nesses pesos “veem” o mundo. Ou seja, quais propriedades de uma imagem são destacadas por esse kernel. Neste exercício, vamos fazer isso convoluindo uma imagem com o kernel e visualizando o resultado. Com as imagens na variável test_data, uma função chamada extract_kernel() que pega um kernel da rede que você deu e a função chamada convolution() que a gente definiu no primeiro capítulo, pega o kernel, carrega os dados de um arquivo e mostra com matplotlib.
Uma CNN profunda model, uma função convolution(), junto com o kernel que você extraiu em um exercício anterior, estão disponíveis na sua área de trabalho.
Pronto pra levar seu aprendizado profundo pro próximo nível? Dá uma olhada em Aprendizado profundo avançado com Keras pra ver como a API funcional do Keras te ajuda a construir conhecimento de domínio pra resolver novos tipos de problemas.
Este exercício faz parte do curso
Modelagem de imagens com Keras
Instruções do exercício
- Use a função
convolution()para convolver o kernel extraído com o primeiro canal do quarto item na matriz de imagens. - Visualize a convolução resultante com
imshow().
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
import matplotlib.pyplot as plt
# Convolve with the fourth image in test_data
out = ____(____[____, :, :, 0], kernel)
# Visualize the result
____
plt.show()