可视化卷积核的响应
解释神经网络权重的一种方法，是观察这些权重中保存的卷积核如何"看待"世界。也就是说，这个卷积核会强调图像的哪些属性。在本练习中，您将把图像与该卷积核做卷积，并可视化结果。给定变量 test_data 中的图像、用于从给定网络中提取卷积核的函数 extract_kernel()，以及我们在第 1 章定义的函数 convolution()，请提取卷积核，从文件加载数据，并使用 matplotlib 进行可视化。
工作区中已提供深层 CNN model、函数 convolution()，以及您在之前练习中提取的 kernel。
准备进一步提升您的深度学习能力吗？欢迎查看 Advanced Deep Learning with Keras，了解 Keras 函数式 API 如何帮助您利用领域知识解决新类型的问题。
本练习是课程的一部分
使用 Keras 进行图像建模
练习说明
- 使用
convolution()函数，将提取的卷积核与图像数组中第 4 个样本的第 1 个通道做卷积。 - 使用
imshow()可视化卷积结果。
交互式实操练习
通过完成这段示例代码来试试这个练习。
import matplotlib.pyplot as plt
# Convolve with the fourth image in test_data
out = ____(____[____, :, :, 0], kernel)
# Visualize the result
____
plt.show()