Tensorflow 可视化神经网络层激活

张量流或keras中的特征可视化很容易，可以在这里找到。或

如何在pytorch中执行此操作

我正在使用Pytork和预训练的resnet18模型。我只需要输入图像并激活特定层（例如Layer2.0.conv2）。第2.0.2层在预训练模型中指定

简单地说；如何将linkone代码转换为PyTorch？如何在resnet18 PyTorch中获取特定层，以及如何获取输入图像的激活。

---

我在tensorflow中尝试了这个，它成功了，但PyTorch没有

您必须在特定层上注册PyTorch的钩子。有关挂钩的介绍，请参阅

基本上，它允许捕获进入

torch.nn.模块的
向前/向后
的
输入/输出
。整个事情可能有点复杂，有一个库与你的（免责声明我是作者）目标相似，叫做。特别是允许您做您想做的事情，请参阅下面的代码段和注释：

import torchvision
import torchfunc

my_network = torchvision.resnet18(pretrained=True)
# Recorder saving inputs to all submodules
recorder = torchfunc.hooks.recorders.ForwardPre()

# Will register hook for all submodules of resnet18
# You could specify some submodules by index or by layer type, see docs
recorder.modules(my_networks)

# Push example image through network
my_network(torch.randn(1, 3, 224, 224))

您可以仅为
索引指定的某些层（子模块）或层类型注册
记录器，要获取必要的信息，请运行：

# Zero image before going into the third submodule of this network
recorder.data[3][0]

# You can see all submodules and their positions by running this:    
for i, submodule in enumerate(my_network.modules()):
    print(i, submodule)

# Or you can just print the network to get this info
print(my_network)

非常感谢你。这真的很有帮助。您只需保存my day.recorder=torchfunc.hooks.recorders.ForwardPre（）另一个问题。一旦调用记录器，我们将一些数据（图像）输入网络并绘制记录器。如果我想多次执行此操作。我应该设置不同的记录吗？你说的多次是什么意思？如果记录器已注册，则将记录通过网络的每个图像。如果您根据某些
条件保存数据，那么多个记录器将非常有用，我想这里的情况并非如此。你能详细说明一下吗？谢谢你的评论。多次通过意味着有多个图像通过网络。我观察到它记录了它，但是每个张量的维数没有任何意义。我认为它只捕获了输入张量。1） 我注册了记录器2）将两个图像传递到网络3）检查记录器，但它只显示输入张量4）例如，在resnet18中，它的输出只有3个通道，但网络输出有64个通道。如何捕获每个conv的输出而不是输入。