Python 通过一个；“最佳”；使用Keras输入图像
所以我一直在做很多关于CNN的可视化的研究，我似乎找不到一个解决方案来解决我试图做的事情，或者至少我对所采用的方法的理解。很多都是非常新的和前沿的，所以我不能正确地掌握这些概念 基本上，我想把一个学习过的内核/特性作为CNN的训练，并基本上制造一个“优化”的图片，这样当内核与所述图片卷积时，我们就有了可能的最高卷积和 如果我没有弄错的话，这应该在图像级别而不是在过滤器/内核级别夸大内核的特性，这似乎是大多数人在可视化这些过滤器方面所做的 如果我问的不清楚，这里有一个例子（可能不好，但它会让人明白。） 假设我们使用MNIST，我创建了一个CNN，如下所示： 5x5 Conv，具有10个内核/功能映射 雷卢 2x2 MaxPool 2步幅 密集+软最大 假设我已经对我的模型进行了全面培训，现在想看看它生产的10个5x5内核中的一个，更好地了解它在寻找什么。我想制作一个新的28x28图片，这样当与这个5x5内核进行卷积时，28x28卷积的总和最大化 有没有这样的技术？我觉得我所看到的一切都涉及到“解开”或“反转”神经网络（），在图片通过时查看特征图（），或者只是查看内核本身（） 它甚至是有用的东西吗？我觉得这是我见过的最接近我要求的东西Python 通过一个；“最佳”；使用Keras输入图像,python,machine-learning,tensorflow,neural-network,keras,Python,Machine Learning,Tensorflow,Neural Network,Keras,所以我一直在做很多关于CNN的可视化的研究，我似乎找不到一个解决方案来解决我试图做的事情，或者至少我对所采用的方法的理解。很多都是非常新的和前沿的，所以我不能正确地掌握这些概念 基本上，我想把一个学习过的内核/特性作为CNN的训练，并基本上制造一个“优化”的图片，这样当内核与所述图片卷积时，我们就有了可能的最高卷积和 如果我没有弄错的话，这应该在图像级别而不是在过滤器/内核级别夸大内核的特性，这似乎是大多数人在可视化这些过滤器方面所做的 如果我问的不清楚，这里有一个例子（可能不好，但它会让人明白
任何洞察都将是巨大的帮助，谢谢 这被称为激活最大化，Keras甚至有一个例子。请注意，文章中的代码对于当前的Keras版本可能已经过时，但是更新版本可以在Keras的examples文件夹中找到。这称为激活最大化，Keras甚至有一个可用的示例。请注意，文章中的代码对于当前的Keras版本可能已经过时，但更新版本可以在Keras的“示例”文件夹中找到。这太棒了，非常感谢！奇怪的是，尽管我一直在寻找，但我从未偶然发现这个。你是我的英雄这太棒了，非常感谢你！奇怪的是，尽管我一直在寻找，但我从未偶然发现这个。你是我的英雄，我有一个关于这个特定主题的问题，也许你能有一些想法？谢谢，我有一个关于这个特定主题的问题，也许你能有一些想法？谢谢