特征图的可视化

在前向传播中返回需要可视化的特征图：对返回的特征图进行显示结果展示tensorboard显示网络结构及train_loss

在前向传播中返回需要可视化的特征图：

def forward(self, x): output=[] layers = self.dla(x) p3 = self.p3(layers[3]) p3 = self.p3_l2(p3) output.append(p3) p4 = self.p4(layers[4]) p4 = self.p4_l2(p4) output.append(p4) p5 = self.p5(layers[5]) p5 = self.p5_l2(p5) output.append(p5) return output

对返回的特征图进行显示

for feature in features_map: im=np.squeeze(feature.cpu().detach().numpy()) im=np.transpose(im,[1,2,0]) plt.figure() for i in range(16): ax=plt.subplot(4,4,i+1) plt.imshow(im[:,:,i]) plt.show()

结果展示

原图片： 特征图：

tensorboard显示网络结构及train_loss

from tensorboardX import SummaryWriter writer=SummaryWriter(log_dir='logs',comment='l1loss') ...... graph_inputs=torch.from_numpy(np.random.rand(1,1,28,28)).type(torch.FloatTensor).cuda() writer.add_graph(model,graph_inputs) //加网络结构图 writer.add_scalar('Train_loss',train_loss,epoch) //加trainloss 第三个参数是横坐标

然后在cmd中输入tensorboard --logdir=路径