Розглядаємо згортки
Перегляд активацій згорткового шару — це цікава річ. Радимо зробити це хоча б раз у житті!
Для цього ви побудуєте нову модель за допомогою об'єкта Keras Model, який приймає список входів і список виходів. Як виходи для цієї нової моделі ви надасте виходи першого згорткового шару, коли на вхід подано зображення цифри з MNIST.
Згорткова model, яку ви зібрали в попередній вправі, уже натренована. Тепер вона коректно класифікує рукописні зображення з MNIST. Ви можете перевірити це за допомогою model.summary() у консолі.
Погляньмо на згорткові маски, які були навчені в першому згортковому шарі цієї моделі!
Ця вправа є частиною курсу
Вступ до Deep Learning з Keras
Інструкції до вправи
- Отримайте посилання на виходи першого згорткового шару в моделі.
- Побудуйте нову модель, використовуючи вхід першого шару моделі та
first_layer_outputяк виходи. - Використайте цю
first_layer_model, щоб зробити передбачення наX_test. - Відобразьте активації для першої цифри з
X_testдля 15-го та 18-го фільтрів нейронів.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Obtain a reference to the outputs of the first layer
first_layer_output = model.layers[____].output
# Build a model using the model's input and the first layer output
first_layer_model = Model(inputs = model.layers[0].input, outputs = ____)
# Use this model to predict on X_test
activations = ____.____(____)
# Plot the activations of first digit of X_test for the 15th filter
axs[0].matshow(activations[____,:,:,14], cmap = 'viridis')
# Do the same but for the 18th filter now
axs[1].matshow(activations[0,:,:,____], cmap = 'viridis')
plt.show()