Keras中的Conv过滤器可视化：为什么一些过滤器在丢失==0时卡住，我如何防止这种情况？

我使用Keras团队的这个脚本来可视化VGG16模型的conv过滤器：

对于大多数过滤器，这是有效的。但是，如果我尝试为“block5_conv1”层中的过滤器11生成图像，则该算法不会给我任何输出，因为“某些过滤器被卡住为0”（第156行ff）：

再次运行完全相同的代码几次，最终生成一个图像（我猜是因为随机生成的起始图像发生了变化）：

但是，对于许多其他过滤器，例如block5_conv3、过滤器1，我没有运气：

visualize_layer(vgg, block5_conv3, output_dim=(112, 112), filter_range=(1, 2))

我还改变了输出亮度、步长、历代、放大步长、放大因子，但无法生成图像

---

所以我的问题是：有没有一种方法可以可靠地生成每个过滤器的可视化效果（基于提供的脚本）？

我想说这是神经网络的一个常见问题-它与数据量过小，错误的权重初始化或缺乏适当的正则化，但所有这些点都不应该是VGG16的问题，VGG16是在imagenet数据上训练的（庞大的数据集，正确的权重初始化，适当的正则化）对我来说，这听起来更像是一个研究问题，而不是一个编程问题。我的第一次尝试是在没有“relu”的情况下重新创建模型，因为它是零区域。奇怪的是，其他的激活会产生更多的零过滤器……好奇：我从来都不明白可视化过滤器的梯度和损失的意义。。。。不是抱怨，只是一个诚实的问题：这个代码应该显示什么？

visualize_layer(vgg, "block5_conv1", output_dim=(112, 112), filter_range=(11, 12))

visualize_layer(vgg, block5_conv3, output_dim=(112, 112), filter_range=(1, 2))