使用pytorch实现可视化中间层的结果


Posted in Python onDecember 30, 2019

摘要

一直比较想知道图片经过卷积之后中间层的结果,于是使用pytorch写了一个脚本查看,先看效果

这是原图,随便从网上下载的一张大概224*224大小的图片,如下

使用pytorch实现可视化中间层的结果

网络介绍

我们使用的VGG16,包含RULE层总共有30层可以可视化的结果,我们把这30层分别保存在30个文件夹中,每个文件中根据特征的大小保存了64~128张图片

结果如下:

原图大小为224224,经过第一层后大小为64224*224,下面是第一层可视化的结果,总共有64张这样的图片:

使用pytorch实现可视化中间层的结果

下面看看第六层的结果

这层的输出大小是 1128112*112,总共有128张这样的图片

使用pytorch实现可视化中间层的结果

下面是完整的代码

import cv2
import numpy as np
import torch
from torch.autograd import Variable
from torchvision import models

#创建30个文件夹
def mkdir(path): # 判断是否存在指定文件夹,不存在则创建
  # 引入模块
  import os

  # 去除首位空格
  path = path.strip()
  # 去除尾部 \ 符号
  path = path.rstrip("\\")

  # 判断路径是否存在
  # 存在   True
  # 不存在  False
  isExists = os.path.exists(path)

  # 判断结果
  if not isExists:
    # 如果不存在则创建目录
    # 创建目录操作函数
    os.makedirs(path)
    return True
  else:

    return False


def preprocess_image(cv2im, resize_im=True):
  """
    Processes image for CNNs

  Args:
    PIL_img (PIL_img): Image to process
    resize_im (bool): Resize to 224 or not
  returns:
    im_as_var (Pytorch variable): Variable that contains processed float tensor
  """
  # mean and std list for channels (Imagenet)
  mean = [0.485, 0.456, 0.406]
  std = [0.229, 0.224, 0.225]
  # Resize image
  if resize_im:
    cv2im = cv2.resize(cv2im, (224, 224))
  im_as_arr = np.float32(cv2im)
  im_as_arr = np.ascontiguousarray(im_as_arr[..., ::-1])
  im_as_arr = im_as_arr.transpose(2, 0, 1) # Convert array to D,W,H
  # Normalize the channels
  for channel, _ in enumerate(im_as_arr):
    im_as_arr[channel] /= 255
    im_as_arr[channel] -= mean[channel]
    im_as_arr[channel] /= std[channel]
  # Convert to float tensor
  im_as_ten = torch.from_numpy(im_as_arr).float()
  # Add one more channel to the beginning. Tensor shape = 1,3,224,224
  im_as_ten.unsqueeze_(0)
  # Convert to Pytorch variable
  im_as_var = Variable(im_as_ten, requires_grad=True)
  return im_as_var


class FeatureVisualization():
  def __init__(self,img_path,selected_layer):
    self.img_path=img_path
    self.selected_layer=selected_layer
    self.pretrained_model = models.vgg16(pretrained=True).features
    #print( self.pretrained_model)
  def process_image(self):
    img=cv2.imread(self.img_path)
    img=preprocess_image(img)
    return img

  def get_feature(self):
    # input = Variable(torch.randn(1, 3, 224, 224))
    input=self.process_image()
    print("input shape",input.shape)
    x=input
    for index,layer in enumerate(self.pretrained_model):
      #print(index)
      #print(layer)
      x=layer(x)
      if (index == self.selected_layer):
        return x

  def get_single_feature(self):
    features=self.get_feature()
    print("features.shape",features.shape)
    feature=features[:,0,:,:]
    print(feature.shape)
    feature=feature.view(feature.shape[1],feature.shape[2])
    print(feature.shape)
    return features

  def save_feature_to_img(self):
    #to numpy
    features=self.get_single_feature()
    for i in range(features.shape[1]):
      feature = features[:, i, :, :]
      feature = feature.view(feature.shape[1], feature.shape[2])
      feature = feature.data.numpy()
      # use sigmod to [0,1]
      feature = 1.0 / (1 + np.exp(-1 * feature))
      # to [0,255]
      feature = np.round(feature * 255)
      print(feature[0])
      mkdir('./feature/' + str(self.selected_layer))
      cv2.imwrite('./feature/'+ str( self.selected_layer)+'/' +str(i)+'.jpg', feature)
if __name__=='__main__':
  # get class
  for k in range(30):
    myClass=FeatureVisualization('/home/lqy/examples/TRP.PNG',k)
    print (myClass.pretrained_model)
    myClass.save_feature_to_img()

以上这篇使用pytorch实现可视化中间层的结果就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python常用内置函数总结
Feb 08 Python
运用TensorFlow进行简单实现线性回归、梯度下降示例
Mar 05 Python
python协程之动态添加任务的方法
Feb 19 Python
使用python实现简单五子棋游戏
Jun 18 Python
Python实现Selenium自动化Page模式
Jul 14 Python
Django ORM多对多查询方法(自定义第三张表&ManyToManyField)
Aug 09 Python
对Django中内置的User模型实例详解
Aug 16 Python
python基于event实现线程间通信控制
Jan 13 Python
Python解释器及PyCharm工具安装过程
Feb 26 Python
python实现QQ邮箱发送邮件
Mar 06 Python
简单了解如何封装自己的Python包
Jul 08 Python
Python实现信息轰炸工具(再也不怕说不过别人了)
Jun 11 Python
在Pytorch中计算自己模型的FLOPs方式
Dec 30 #Python
Pytorch之保存读取模型实例
Dec 30 #Python
Python爬虫解析网页的4种方式实例及原理解析
Dec 30 #Python
Python中如何将一个类方法变为多个方法
Dec 30 #Python
pytorch 实现打印模型的参数值
Dec 30 #Python
Python如何基于smtplib发不同格式的邮件
Dec 30 #Python
pytorch获取模型某一层参数名及参数值方式
Dec 30 #Python
You might like
用穿越火线快速入门php面向对象
2012/02/22 PHP
php面向对象 字段的声明与使用
2012/06/14 PHP
php 无法加载mcrypt.dll的解决办法
2013/04/03 PHP
基于MySQL分区性能的详细介绍
2013/05/02 PHP
php中error与exception的区别及应用
2014/07/28 PHP
php JWT在web端中的使用方法教程
2018/09/06 PHP
JS option location 页面跳转实现代码
2008/12/27 Javascript
jQuery ctrl+Enter shift+Enter实现代码
2010/02/07 Javascript
JavaScript自定义DateDiff函数(兼容所有浏览器)
2012/03/01 Javascript
js鼠标滑过弹出层的定位IE6bug解决办法
2012/12/26 Javascript
js 获取计算后的样式写法及注意事项
2013/02/25 Javascript
jQuery使用一个按钮控制图片的伸缩实现思路
2013/04/19 Javascript
使用JQuery实现Ctrl+Enter提交表单的方法
2015/10/22 Javascript
seajs模块之间依赖的加载以及模块的执行
2016/10/21 Javascript
angularjs获取到My97DatePicker选中的值方法
2018/10/02 Javascript
vue-router的使用方法及含参数的配置方法
2018/11/13 Javascript
Vue登录拦截 登录后继续跳转指定页面的操作
2020/08/04 Javascript
Javascript柯里化实现原理及作用解析
2020/10/22 Javascript
Python实现多线程的两种方式分析
2018/08/29 Python
dataframe 按条件替换某一列中的值方法
2019/01/29 Python
Python的UTC时间转换讲解
2019/02/26 Python
Python类如何定义私有变量
2020/02/03 Python
在Sublime Editor中配置Python环境的详细教程
2020/05/03 Python
详解python with 上下文管理器
2020/09/02 Python
Python排序函数的使用方法详解
2020/12/11 Python
使用html5制作loading图的示例
2014/04/14 HTML / CSS
凯撒娱乐:Caesars Entertainment
2018/02/23 全球购物
彪马俄罗斯官网:PUMA俄罗斯
2019/07/13 全球购物
天网面试题
2013/04/07 面试题
大学生职业生涯规划范文——找准自我,定位人生
2014/01/23 职场文书
2014教师个人自我评价范文
2014/09/13 职场文书
学校领导干部民主生活会整改方案
2014/09/29 职场文书
公司离职证明标准范本
2014/10/05 职场文书
八年级英语教学计划
2015/01/23 职场文书
2016年幼儿园教师师德承诺书
2016/03/25 职场文书
Python 文字识别
2022/05/11 Python