可视化模块

目录

可视化送入网络的图片

送入的数据为imgs,其大小为(8,3,256,256),并以2行8列进行展示

python 复制代码
import matplotlib.pyplot as plt
import numpy as np

# 假设你的张量名为 tensor,形状为 (8, 3, 256, 256)
# 假设通道顺序为 RGB

# 将张量的数据格式转换为 (8, 256, 256, 3)
tensor = imgs.permute(0, 2, 3, 1)

# 创建一个 2x4 的子图布局,8 张图像
fig, axes = plt.subplots(2, 4, figsize=(12, 6))

for i in range(8):
    # 选择子图
    ax = axes[i // 4, i % 4]

    # 获取第 i 张图像的数据
    image = tensor[i].numpy()

    # 确保图像的像素值在 [0, 1] 范围内
    image = np.clip(image, 0, 1)

    # 绘制图像
    ax.imshow(image)
    ax.set_title(f'Image {i + 1}')
    ax.axis('off')

plt.tight_layout()
plt.show()

可视化网络层的热力图

python 复制代码
import torch
import matplotlib.pyplot as plt

# 创建一个空的列表来存储该层的输出
activation = []

# 定义一个钩子函数,用于获取该层的输出
def hook_fn(module, input, output):
    activation.append(output)

# 注册钩子到网络的fam4层
model.fam4.register_forward_hook(hook_fn)

# 初始化一个子图,排列方式为2x4
fig, axs = plt.subplots(2, 4, figsize=(16, 8))


# 将输入数据图片传递给网络进行前向传播
output = model(imgs)  

for i in range(8):
    # 获取钩子记录的该层的输出
    layer_output = activation[0]

    # 计算热力图
    heatmap = layer_output.mean(dim=1, keepdim=True)  # 在通道维度上取平均值

    # 可视化热力图
    axs[i // 4, i % 4].imshow(heatmap[i, 0].cpu().detach().numpy(), cmap='viridis')
    axs[i // 4, i % 4].set_title(f'Image {i + 1}')
    axs[i // 4, i % 4].axis('off')

plt.show()
相关推荐
咸鱼鲸8 小时前
【PyTorch】PyTorch中的数据预处理操作
人工智能·pytorch·python
向左转, 向右走ˉ16 小时前
目标检测中的NMS算法详解
pytorch·python·深度学习·算法·目标检测
运器12320 小时前
【一起来学AI大模型】微调技术:LoRA(Low-Rank Adaptation) 的实战应用
人工智能·pytorch·python·深度学习·ai·ai编程
羡鱼饼饼1 天前
pytorch深度学习—RNN-循环神经网络
pytorch·rnn·深度学习
DAWN_T171 天前
Transforms
pytorch·python·机器学习·jupyter·pycharm
运器1231 天前
【一起来学AI大模型】PyTorch DataLoader 实战指南
大数据·人工智能·pytorch·python·深度学习·ai·ai编程
HuashuiMu花水木2 天前
PyTorch笔记5----------Autograd、nn库
人工智能·pytorch·笔记
阿群今天学习了吗2 天前
pytorch环境配置
人工智能·pytorch·python·学习·机器学习
CarmenHu2 天前
pytorch常用API
人工智能·pytorch·python
往日情怀酿做酒 V17639296382 天前
pytorch的介绍以及张量的创建
人工智能·pytorch·python