python中的神经网络感受野可视化答案

【问题标题】：Neural network receptive field visualization in pythonpython中的神经网络感受野可视化
【发布时间】：2015-05-17 18:25:28
【问题描述】：

我有一个包含 300 个隐藏层的神经网络，我想将其可视化（全部一起）。

在python中最好的方法是什么？

我已经尝试过使用subplot，但是感受野之间的距离太远，我几乎看不到它们。

编辑：

所以在输出上我只有 28*28 我想要可视化的权重（图像）。

这是我当前的代码：

# Plot receptive fields
f, axarr = pyplot.subplots(30, 10)


for weight_numb in xrange(300):
    currnt_sub_handler = axarr[weight_numb / 10, weight_numb % 10]
    weight = main.model_params[:, weight_numb].reshape(28, 28)
    currnt_sub_handler.axis('off')
    currnt_sub_handler.imshow(weight)

pyplot.show()

所以，换个说法：

如何使图像彼此尽可能接近？
我必须使用什么颜色图？

【问题讨论】：

你能详细说明你想要什么样的可视化吗？通常最好的方法是在你用来进行训练/特征提取的任何框架内工作。
@mprat 我有 28*28 的图像，数量为 300。我只是想要一种将它们放在一个图像中的好方法，以便人们可以清楚地看到它们。
那么你的问题真的是如何将 300 张图像彼此相邻绘制？
@mprat，基本上是的。我想让它们尽可能靠近。但我也猜想有一些颜色图非常适合这项任务。

标签： python matplotlib neural-network visualization data-visualization

【解决方案1】：

这是我想出的解决方案。感谢@mprat 的帮助。

我发现spectral colormap 最适合此类任务，并且我还添加了您可以指定的边框。

from matplotlib import pyplot
import numpy as np

border = 2
images_amount = 300
row_amount = 10
col_amount = 30
image_height = 28
image_width = 28


all_filter_image = np.zeros((row_amount*image_height + border*row_amount,
                             col_amount*image_width + border*col_amount))


for filter_num in range(images_amount):
    start_row = image_height*(filter_num / col_amount) +\
                (filter_num / col_amount + 1)*border

    end_row = start_row + image_height

    start_col = image_width*(filter_num % col_amount) +\
                (filter_num % col_amount + 1)*border

    end_col = start_col + image_width

    all_filter_image[start_row:end_row, start_col:end_col] = \
        all_filters[filter_num]

    print start_row, end_row, start_col, end_col


pyplot.imshow(all_filter_image)
pyplot.axis('off')
pyplot.set_cmap('spectral')
pyplot.colorbar()
pyplot.savefig('repflds1.png')

以下是一些用法示例：

训练得不太好的网络：

训练有素的网络：

如您所见，边框使区分一个过滤器（权重）与另一个过滤器（重量）变得非常容易。

【讨论】：

【解决方案2】：

为什么不制作一个大图像（矩阵），例如 (10x28)x(30x28)，然后将每个 28x28 过滤器放入该矩阵的一部分，然后一次绘制整个图像。有点像这样：

# assuming your filters are stored in a list called all_filters
all_filter_image = zeros(10*28, 30*28)
for filter_num in range(300):
    # calculate start_x and start_y based on the size of your "large filter" 
    # and the filter index
    all_filter_image[start_x:start_x + 28, start_y: start_y + 28] = all_filters[filter_num]

这样你就不必处理子图了。

【讨论】：