Python 如何可视化层间卷积的权重？

我有一个小的深度学习问题。在这里，我与Keras书店建立了我的网络（CNN）。我对想象我的CNN的重量感兴趣。我的架构是AlexNet类型，我的彩色图像（RGB）分为72个类。对于第一个卷积，它有96个滤波器，其滤波器内核是11乘11，我在输出[11][11][3][96]处恢复了一个四维张量。所以每个过滤器有3个矩阵11乘11，我们称之为内核

在这个级别，为了可视化我的体重，我拍摄了一张图像，并将其分为3个通道。对于给定的滤波器，每个通道都与内核进行卷积。这些卷积运算的每一个结果都被收集起来，得到一个结果图像

现在，第二个卷积取第一个卷积的输入和输出，设置了383个过滤器，其过滤器内核是5*5。第二次卷积的输出给了我一个大小为[5][5][96][383]的张量4d。这意味着对于一个给定的过滤器，它有96个过滤器（至少我是这么理解的）。所以对于一个给定的滤镜，我仍然用这3个通道上的著名图像分割，面对96个滤镜

我不知道这是否是理解的问题，但我阻塞了total，因为在第二次卷积的输出上，我不知道每个滤波器的96个内核

我想从我的权重重建一个卷积层的过滤器

我真的是深度学习的新手，这是一门有趣的科学，但对我来说充满了神秘。如果有人能善意地启发我，我会感谢他。

在这篇论文中，Zeiler和Fergus讨论了这样一个观点，即对CNN重新产生兴趣是因为大型训练集的可访问性以及GPU的使用提高了计算能力。他们发现并讨论了可视化特征地图和权重的有趣方法。这是在深度学习领域最好和流行的论文之一。作者还强调，研究人员对这些模型的内部机制了解有限

说没有这种洞察力，“开发更好的模型 简化为反复试验“

---

他们在论文中也使用了类似AlexNet的模型。这个名为ZFNET的模型是ILSVRC 2013的获胜者。我相信，通过阅读本文，您将更好地了解整个DL概念以及您的问题的可能解决方案。

谢谢，但我已经阅读了这篇文章和其他几十篇文章。它不能回答我的问题。事实上，我有我的人际网络，但在第二次会议期间，我无法理解发生了什么。非常感谢你，我的英语很抱歉