深度学习中有没有个可视化技术？

解释feature map 和 filter啊， 当然现在用Deepdream可以通过梯度上升来做可视化~具体还要看看论文 另外，t-sne貌似也比较流行

可以参考Understanding neural networks through deep visualization，提供了源码

【 在 joshua1988 的大作中提到: 】 : 可以参考Understanding neural networks through deep visualization，提供了源码 : 多谢指导了，这两天看了你说的文章，没来得及回复。我没太理解清楚。文章做的第二个tool是为了展示feature of each layer，这是指每一层的参数吗？刚开始接触好多都不懂。 下载的工程需要linux环境，没跑起来。我看它是用py opencv画图，它里面生成的图形是简单的用opencv把数据保存成图片吗？让我画图形，我只能想到这么low的办法。^_^ 发自「贵邮」

【 在 buptwangzhe 的大作中提到: 】 : 解释feature map 和 filter啊， 当然现在用Deepdream可以通过梯度上升来做可视化~具体还要看看论文 : 另外，t-sne貌似也比较流行 : 多谢指点了！回复的有点晚，最近看了你说的tsne工具，功能太强大，对我们用太浪费了。还是多谢啦。 发自「贵邮」

第一个工具就像是你说的，把每一层中每个通道的响应归一化然后画出来，用opencv可以很容易的实现。这是对正向传递的可视化。 第二个工具是对反向传递的可视化，要是想理解更深入的话，看看Visualizing and Understanding Convolutional Neural Networks这篇文章吧，主要运用的是反卷积操作。Understanding Neural Networks Through Deep Visualization这篇文章主要偏重于解释了几种正则化方法，用于找到使某个特征响应最强的典型样本。至于原理的话，简单的说吧，正常情况下在我们做反向传递的时候，我们是损失函数对各个权重做偏导数，在反卷积里是对各层的输入做偏导，当传递到第一层网络时就相当于是对图像像素做偏导数，这样一来我们就知道哪个地方响应强，而且那个特征长什么样子。不知道我这么说你是不是能理解。至于那个工具，我的理解是我们输入一张图像，那么他就可以找到某个通道的响应最强，就是那个通道所对应的特征的响应最强，你可以把特征想象成滤波器，然后在数据集中找一些图像使这些通道响应最强进行显示，即找到典型样本，并作反卷积显示。比如文章中图一里显示的conv5的第2个通道对狗脸和花响应最强，而第151个通道对人脸和猫脸响应最强。说的有点拗口，表达能力有限，有问题我们还可以讨论 【 在 oppop 的大作中提到: 】 : 多谢指导了，这两天看了你说的文章，没来得及回复。我没太理解清楚。文章做的第二个tool是为了展示feature of each layer，这是指每一层的参数吗？刚开始接触好多都不懂。 : 下载的工程需要linux环境，没跑起来。我看它是用py opencv画图，它里面生成的图形是简单的用opencv把数据保存成图片吗？让我画图形，我只能想到这么low的办法。^_^ : 发自「贵邮」

再多说一点我的理解，不一定正确，直接显示参数不直观，所以要显示它对哪种样本响应最强，这样就是第二个工具的目的就在于此。还有就是最好还是在linux底下搞一个环境，哪怕不用gpu，这样很方便，因为大部分人都是在Linux底下开发，很多工具想要移植到windows还是挺麻烦的，以前我移植caffe的时候要准备好多依赖库，很麻烦，有兴趣可以看看http://blog.csdn.net/joshua_1988/article/details/45036993和http://blog.csdn.net/joshua_1988/article/details/45048871

【 在 joshua1988 的大作中提到: 】 : 再多说一点我的理解，不一定正确，直接显示参数不直观，所以要显示它对哪种样本响应最强，这样就是第二个工具的目的就在于此。还有就是最好还是在linux底下搞一个环境，哪怕不用gpu，这样很方便，因为大部分人都是在Linux底下开发，很多工具想要移植到windows还是挺麻烦的，以前我移植caffe的时候要准备好多依赖库，很麻烦，有兴趣可以看看http://blog.csdn.net/joshua_1988/article/details/45036993和http://blog.csdn.net/joshua_1988/article/details/45048871 哈哈，好眼熟，看过你博客，很多有意思的东西，嘿嘿嘿

嘿嘿，多谢支持 【 在 w98435408 的大作中提到: 】 : : 【 在 joshua1988 的大作中提到: 】 : : 再多说一点我的理解，不一定正确，直接显示参数不直观，所以要显示它对哪种样本响应最强，这样就是第二个工具的目的就在于此。还有就是最好还是在 : ......... 发自「贵邮」

答主是博士吗 【 在 joshua1988 的大作中提到: 】 : 嘿嘿，多谢支持 : : 发自「贵邮」