可视化模块

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

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()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

可视化网络层图片的热力图

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()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33