前面幾篇文章講到了卷積神經網絡CNN，但是對於它在每一層提取到的特征以及訓練的過程可能還是不太明白，所以這節主要通過模型的可視化來神經網絡在每一層中是如何訓練的。我們知道，神經網絡本身包含了一系列特征提取器，理想的feature map應該是稀疏的以及包含典型的局部信息。通過模型可視化能有一些直觀的認識並幫助我們調試模型，比如：feature map與原圖很接近，說明它沒有學到什么特征；或者它幾乎是一個純色的圖，說明它太過稀疏，可能是我們feature map數太多了（feature_map數太多也反映了卷積核太小）。可視化有很多種，比如：feature map可視化、權重可視化等等，我以feature map可視化為例。
模型可視化
因為我沒有搜到用paddlepaddle在imagenet 1000分類的數據集上預訓練好的googLeNet inception v3，所以用了keras做實驗，以下圖作為輸入:
- 輸入圖片
-
北汽紳寶D50:
-
- feature map可視化
取網絡的前15層，每層取前3個feature map。
北汽紳寶D50 feature map：
從左往右看，可以看到整個特征提取的過程，有的分離背景、有的提取輪廓，有的提取色差，但也能發現10、11層中間兩個feature map是純色的，可能這一層feature map數有點多了，另外北汽紳寶D50的光暈對feature map中光暈的影響也能比較明顯看到。
- Hypercolumns
通常我們把神經網絡最后一個fc全連接層作為整個圖片的特征表示，但是這一表示可能過於粗糙（從上面的feature map可視化也能看出來），沒法精確描述局部空間上的特征，而網絡的第一層空間特征又太過精確，缺乏語義信息（比如后面的色差、輪廓等），於是論文《Hypercolumns for Object Segmentation and Fine-grained Localization》提出一種新的特征表示方法：Hypercolumns——將一個像素的 hypercolumn 定義為所有 cnn 單元對應該像素位置的激活輸出值組成的向量），比較好的tradeoff了前面兩個問題，直觀地看如圖：
把北汽紳寶D50 第1、4、7層的feature map以及第1, 4, 7, 10, 11, 14, 17層的feature map分別做平均，可視化如下：
代碼實踐
1 # -*- coding: utf-8 -*- 2 from keras.applications import InceptionV3 3 from keras.applications.inception_v3 import preprocess_input 4 from keras.preprocessing import image 5 from keras.models import Model 6 from keras.applications.imagenet_utils import decode_predictions 7 import numpy as np 8 import cv2 9 from cv2 import * 10 import matplotlib.pyplot as plt 11 import scipy as sp 12 from scipy.misc import toimage 13 14 def test_opencv(): 15 # 加載攝像頭 16 cam = VideoCapture(0) # 0 -> 攝像頭序號，如果有兩個三個四個攝像頭，要調用哪一個數字往上加嘛 17 # 抓拍 5 張小圖片 18 for x in range(0, 5): 19 s, img = cam.read() 20 if s: 21 imwrite("o-" + str(x) + ".jpg", img) 22 23 def load_original(img_path): 24 # 把原始圖片壓縮為 299*299大小 25 im_original = cv2.resize(cv2.imread(img_path), (299, 299)) 26 im_converted = cv2.cvtColor(im_original, cv2.COLOR_BGR2RGB) 27 plt.figure(0) 28 plt.subplot(211) 29 plt.imshow(im_converted) 30 return im_original 31 32 def load_fine_tune_googlenet_v3(img): 33 # 加載fine-tuning googlenet v3模型，並做預測 34 model = InceptionV3(include_top=True, weights='imagenet') 35 model.summary() 36 x = image.img_to_array(img) 37 x = np.expand_dims(x, axis=0) 38 x = preprocess_input(x) 39 preds = model.predict(x) 40 print('Predicted:', decode_predictions(preds)) 41 plt.subplot(212) 42 plt.plot(preds.ravel()) 43 plt.show() 44 return model, x 45 46 def extract_features(ins, layer_id, filters, layer_num): 47 ''' 48 提取指定模型指定層指定數目的feature map並輸出到一幅圖上. 49 :param ins: 模型實例 50 :param layer_id: 提取指定層特征 51 :param filters: 每層提取的feature map數 52 :param layer_num: 一共提取多少層feature map 53 :return: None 54 ''' 55 if len(ins) != 2: 56 print('parameter error:(model, instance)') 57 return None 58 model = ins[0] 59 x = ins[1] 60 if type(layer_id) == type(1): 61 model_extractfeatures = Model(input=model.input, output=model.get_layer(index=layer_id).output) 62 else: 63 model_extractfeatures = Model(input=model.input, output=model.get_layer(name=layer_id).output) 64 fc2_features = model_extractfeatures.predict(x) 65 if filters > len(fc2_features[0][0][0]): 66 print('layer number error.', len(fc2_features[0][0][0]),',',filters) 67 return None 68 for i in range(filters): 69 plt.subplots_adjust(left=0, right=1, bottom=0, top=1) 70 plt.subplot(filters, layer_num, layer_id + 1 + i * layer_num) 71 plt.axis("off") 72 if i < len(fc2_features[0][0][0]): 73 plt.imshow(fc2_features[0, :, :, i]) 74 75 # 層數、模型、卷積核數 76 def extract_features_batch(layer_num, model, filters): 77 ''' 78 批量提取特征 79 :param layer_num: 層數 80 :param model: 模型 81 :param filters: feature map數 82 :return: None 83 ''' 84 plt.figure(figsize=(filters, layer_num)) 85 plt.subplot(filters, layer_num, 1) 86 for i in range(layer_num): 87 extract_features(model, i, filters, layer_num) 88 plt.savefig('sample.jpg') 89 plt.show() 90 91 def extract_features_with_layers(layers_extract): 92 ''' 93 提取hypercolumn並可視化. 94 :param layers_extract: 指定層列表 95 :return: None 96 ''' 97 hc = extract_hypercolumn(x[0], layers_extract, x[1]) 98 ave = np.average(hc.transpose(1, 2, 0), axis=2) 99 plt.imshow(ave) 100 plt.show() 101 102 def extract_hypercolumn(model, layer_indexes, instance): 103 ''' 104 提取指定模型指定層的hypercolumn向量 105 :param model: 模型 106 :param layer_indexes: 層id 107 :param instance: 模型 108 :return: 109 ''' 110 feature_maps = [] 111 for i in layer_indexes: 112 feature_maps.append(Model(input=model.input, output=model.get_layer(index=i).output).predict(instance)) 113 hypercolumns = [] 114 for convmap in feature_maps: 115 for i in convmap[0][0][0]: 116 upscaled = sp.misc.imresize(convmap[0, :, :, i], size=(299, 299), mode="F", interp='bilinear') 117 hypercolumns.append(upscaled) 118 return np.asarray(hypercolumns) 119 120 if __name__ == '__main__': 121 img_path = '~/auto1.jpg' 122 img = load_original(img_path) 123 x = load_fine_tune_googlenet_v3(img) 124 extract_features_batch(15, x, 3) 125 extract_features_with_layers([1, 4, 7]) 126 extract_features_with_layers([1, 4, 7, 10, 11, 14, 17])
總結
還有一些網站做的關於CNN的可視化做的非常不錯，譬如這個網站：http://shixialiu.com/publications/cnnvis/demo/，大家可以在訓練的時候采取不同的卷積核尺寸和個數對照來看訓練的中間過程。最近PaddlePaddle也開源了可視化工具VisaulDL，下篇文章我們講講paddlepaddle的visualDL和tesorflow的tensorboard。