Deep Learning mit Python und Keras by Chollet François

Autor:Chollet, François
Die sprache: deu
Format: epub
Herausgeber: mitp-Verlag
veröffentlicht: 2018-05-13T16:00:00+00:00

Abb. 5.29: Das Muster, auf das Kanal 0 im Layer block3_conv1 maximal reagiert

Offenbar reagiert der Filter 0 im Layer block3_conv1 besonders gut auf das Pünktchenmuster. Nun kommt der spannende Teil: Sie können jetzt sämtliche Filter in allen Layern visualisieren. Der Einfachheit halber betrachten wir nur die ersten 64 Filter der Layer und nur den ersten Layer der verschiedenen Faltungsblöcke (block1_conv1, block2_conv1, block3_conv1, block4_ conv1, block5_conv1). Die Ausgaben werden als ein 8 × 8 Felder großes Raster mit jeweils 64 × 64 Filtermustern angeordnet, wobei die Filtermuster durch eine schwarze Trennlinie voneinander abgegrenzt sind (siehe Abbildung 5.30 bis 5.33).

layer_name = 'block1_conv1' size = 64 margin = 5 results = np.zeros((8 * size + 7 * margin, 8 * size + 7 * margin, 3)) for i in range(8): for j in range(8): filter_img = generate_pattern(layer_name, i + (j * 8), size=size) horizontal_start = i * size + i * margin horizontal_end = horizontal_start + size vertical_start = j * size + j * margin vertical_end = vertical_start + size results[horizontal_start: horizontal_end, vertical_start: vertical_end, :] = filter_img plt.figure(figsize=(20, 20)) plt.imshow(results)

Listing 5.39: Erzeugen eines Rasters der Muster, auf die Filter in einem Layer reagieren

Download

Haftungsausschluss:
Diese Site speichert keine Dateien auf ihrem Server. Wir indizieren und verlinken nur                                                  Inhalte von anderen Websites zur Verfügung gestellt. Wenden Sie sich an die Inhaltsanbieter, um etwaige urheberrechtlich geschützte Inhalte zu entfernen, und senden Sie uns eine E-Mail. Wir werden die entsprechenden Links oder Inhalte umgehend entfernen.