1. Learn
    2. /
  2. Courses
    3. /
  3. Mô hình hóa ảnh với Keras
Connected

Exercise

Trực quan hóa phản hồi của kernel

Một cách để diễn giải các trọng số của mạng nơ-ron là xem các kernel được lưu trong các trọng số này “nhìn” thế giới như thế nào — tức là kernel đó làm nổi bật những đặc trưng nào của ảnh. Trong bài tập này, bạn sẽ thực hiện điều đó bằng cách tích chập một ảnh với kernel và trực quan hóa kết quả. Với các ảnh trong biến test_data, một hàm extract_kernel() để trích xuất kernel từ mạng đã cho, và hàm convolution() mà chúng ta đã định nghĩa ở chương đầu, hãy trích xuất kernel, tải dữ liệu từ tệp và trực quan hóa bằng matplotlib.

Một mô hình CNN sâu model, hàm convolution(), cùng với kernel bạn đã trích xuất ở bài trước có sẵn trong không gian làm việc của bạn.

Sẵn sàng nâng tầm kỹ năng deep learning? Hãy xem Advanced Deep Learning with Keras để khám phá cách Keras functional API giúp bạn xây dựng kiến thức miền để giải quyết những dạng bài toán mới.

Instructions

100 XP
  • Dùng hàm convolution() để tích chập kernel đã trích xuất với kênh đầu tiên của phần tử thứ tư trong mảng ảnh.
  • Trực quan hóa kết quả tích chập bằng imshow().