Візуалізація відгуків ядра
Один зі способів інтерпретувати ваги нейронної мережі — подивитися, як ядра, що збережені у цих вазах, «бачать» світ. Тобто які властивості зображення підкреслює конкретне ядро. У цій вправі ми зробимо це, виконавши згортку зображення з ядром і візуалізувавши результат. Маючи зображення у змінній test_data, функцію extract_kernel(), що витягує ядро з наданої мережі, і функцію convolution(), яку ми визначили в першому розділі, витягніть ядро, завантажте дані з файла та візуалізуйте їх за допомогою matplotlib.
Глибока CNN model, функція convolution(), а також kernel, який ви отримали в попередній вправі, доступні у вашому робочому середовищі.
Готові підняти свої навички з глибокого навчання на новий рівень? Перегляньте курс Advanced Deep Learning with Keras, щоб дізнатися, як функціональний API Keras допомагає застосувати предметні знання для розв'язання нових типів задач.
Ця вправа є частиною курсу
Моделювання зображень у Keras
Інструкції до вправи
- Скористайтеся функцією
convolution(), щоб виконати згортку витягнутого ядра з першим каналом четвертого елемента масиву зображень. - Візуалізуйте отриманий результат згортки за допомогою
imshow().
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
import matplotlib.pyplot as plt
# Convolve with the fourth image in test_data
out = ____(____[____, :, :, 0], kernel)
# Visualize the result
____
plt.show()