Vizualizarea răspunsurilor kernel-ului
Una dintre metodele de interpretare a ponderilor unei rețele neuronale este să observi cum „văd" lumea kernel-urile stocate în aceste ponderi – cu alte cuvinte, ce proprietăți ale unei imagini sunt evidențiate de un anumit kernel. În acest exercițiu, vei face exact asta: vei convoluționa o imagine cu kernel-ul și vei vizualiza rezultatul. Pornind de la imaginile din variabila test_data, o funcție numită extract_kernel() care extrage un kernel din rețeaua furnizată și funcția convolution() definită în primul capitol, extrage kernel-ul, încarcă datele dintr-un fișier și vizualizează-le cu matplotlib.
În spațiul de lucru ai la dispoziție un model CNN profund model, funcția convolution() și kernel-ul extras într-un exercițiu anterior.
Ești pregătit să duci învățarea profundă la nivelul următor? Explorează Advanced Deep Learning with Keras pentru a vedea cum API-ul funcțional Keras îți permite să integrezi cunoștințe de domeniu și să rezolvi noi tipuri de probleme.
Acest exercițiu face parte din cursul
Modelarea imaginilor cu Keras
Instrucțiuni pentru exercițiu
- Folosește funcția
convolution()pentru a convoluționa kernel-ul extras cu primul canal al celui de-al patrulea element din array-ul de imagini. - Vizualizează convoluția rezultată cu
imshow().
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
import matplotlib.pyplot as plt
# Convolve with the fourth image in test_data
out = ____(____[____, :, :, 0], kernel)
# Visualize the result
____
plt.show()