การแสดงผลการตอบสนองของ kernel
วิธีหนึ่งในการตีความค่าน้ำหนักของโครงข่ายประสาทเทียมคือการดูว่า kernel ที่เก็บอยู่ในน้ำหนักเหล่านั้น "มอง" โลกอย่างไร กล่าวคือ kernel ให้ความสำคัญกับคุณสมบัติใดของภาพเป็นพิเศษ ในแบบฝึกหัดนี้ เราจะทำสิ่งนั้นโดยการทำ convolution ระหว่างภาพกับ kernel แล้วแสดงผลลัพธ์ที่ได้ โดยใช้ภาพจากตัวแปร test_data ฟังก์ชัน extract_kernel() สำหรับดึง kernel จากโมเดลที่กำหนด และฟังก์ชัน convolution() ที่เราได้นิยามไว้ในบทแรก จากนั้นแสดงผลลัพธ์ด้วย matplotlib
โมเดล CNN เชิงลึก model ฟังก์ชัน convolution() และ kernel ที่คุณดึงออกมาในแบบฝึกหัดก่อนหน้านี้พร้อมใช้งานใน workspace ของคุณแล้ว
พร้อมยกระดับทักษะ deep learning ของคุณแล้วหรือยัง? ดู Advanced Deep Learning with Keras เพื่อเรียนรู้ว่า Keras functional API ช่วยให้คุณนำความรู้เฉพาะด้านมาแก้ปัญหาประเภทใหม่ได้อย่างไร
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การสร้างโมเดลภาพด้วย Keras
คำแนะนำการฝึกหัด
- ใช้ฟังก์ชัน
convolution()เพื่อทำ convolution ระหว่าง kernel ที่ดึงออกมากับช่องแรกของรายการที่สี่ในอาร์เรย์ภาพ - แสดงผลลัพธ์ของ convolution ด้วย
imshow()
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
import matplotlib.pyplot as plt
# Convolve with the fourth image in test_data
out = ____(____[____, :, :, 0], kernel)
# Visualize the result
____
plt.show()