深度學習（視覺化卷積核）

視覺化卷積核引數對理解卷積神經網路的工作原理、最佳化模型效能、提高模型泛化能力有一定幫助作用。

下面以resnet18為例，視覺化了部分卷積核引數。

import torchvision
from matplotlib import pyplot as plt
import torch

model = torchvision.models.resnet18(pretrained=True)
#model = torchvision.models.efficientnet_b0(pretrained=True)

num = 1
# 遍歷模型的每一層
for name, module in model.named_modules():
    # 判斷是否為卷積層
    if isinstance(module, torch.nn.Conv2d):
        # 輸出卷積層名稱和權重
        print(f"layer {name} : {module.weight.data.shape}")
        _,_,H,W = module.weight.data.shape
        if H >=3 and W >=3:
            plt.subplot(5,4,num)
            data = module.weight.data.numpy()
            plt.imshow(data[0,0,:,:])  #太多了，只顯示一個卷積核
            num+=1

plt.show()            

結果如下：