浙大疏锦行
一、核心概念铺垫
- 回调函数：将函数作为参数传递，在特定事件发生时被动调用。代码结构为"外部函数 → 回调"，常用于异步、事件驱动。
- 装饰器：主动修改原函数行为，用新函数包装原函数。代码结构为"装饰器 → 原函数 → 额外逻辑"，适合统一增强多个函数。
- Lambda 匿名函数 ：单行临时函数
lambda 参数: 表达式，用完即弃，适合 Hook 中的简单逻辑。
二、PyTorch 中的 Hook 函数
PyTorch 利用动态计算图，在模型前向/反向传播的特定节点插入回调函数，实现不修改模型结构就能监听甚至修改中间层数据。
| Hook 类型 | 注册方法 | 功能 | 典型用途 |
|---|---|---|---|
| 模块钩子（前向） | register_forward_hook |
捕获模块的输入/输出（只读） | 可视化中间层特征图、特征提取 |
| 模块钩子（反向） | register_backward_hook |
捕获模块的输入/输出梯度 | 分析梯度流、梯度裁剪 |
| 张量钩子 | register_hook |
监听/修改张量的梯度 | 自定义梯度变换、梯度检查 |
使用时需注意：钩子完成后调用 handle.remove() 释放，避免内存泄漏。
三、Grad-CAM 的原理与实现
目标 ：生成类激活热力图，显示 CNN 做分类决策时关注的图像区域。
核心步骤：
- 选定目标卷积层，通过 Hook 捕获其前向输出（特征图）和反向梯度。
- 对梯度做全局平均池化，得到各特征图的重要性权重。
- 用权重对特征图加权求和，再经过 ReLU 去除负影响，生成原始热力图。
- 将热力图双线性插值到原图尺寸，归一化后以彩色叠加到原始图像上。
示例结果：对 CIFAR-10 青蛙图像，模型主要通过腿和头部区域判断类别，验证了决策的合理性。