卷积神经网络可视化 – 权重还是激活?

enter image description here

上图是第一卷积层的权重渲染,还是在给定输入图像上的第一卷积层的激活

下面是我训练了48小时的Inception v2模型的第一卷积层的权重可视化:

Inception

我确定在仅48小时的训练后(在CPU上),我的模型尚未收敛。既然训练准确率已经超过90%,这些权重不是应该开始变得平滑了吗?


回答:

根据ImageNet分类与深度卷积神经网络,第一卷积层接收一个224x224x3的图像作为输入(注意:应为227×227而不是224×224),并使用96个大小为11x11x3的卷积核进行过滤。

上图显示了第一卷积层学习到的卷积核。

注意:实际上,在图中可以数出96个卷积核,这些核应该大小为11×11×3。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注