Interpretability-of-Machine-Learning-Visualizations:机器学习的可解释性-可视化

【文件属性】：
文件名称：Interpretability-of-Machine-Learning-Visualizations:机器学习的可解释性-可视化
文件大小：1.1MB
文件格式：ZIP
更新时间：2021-05-02 16:36:03
python caffe artificial-intelligence neural-networks interpretable-deep-learning 机器学习的可解释性-可视化 梯度加权类激活映射（Grad-CAM） 论文Pycaffe实现 对于此实现，我使用从社区下载的预训练图像分类模型。 对于此示例，我将使用BVLC参考caffenet模型，该模型经过训练可将图像分类为1000个类别。 要下载模型，请转到安装Caffe的文件夹，例如C：\ Caffe并运行 ./scripts/download_model_binary.py models/bvlc_reference_caffenet ./data/ilsvrc12/get_ilsvrc_aux.sh 原始图片 研究生院 引导式GradCAM 引导反向传播 引入的Pycaffe实现的引导式反向传播。 原始图片 引导反向传播

【文件预览】：
Interpretability-of-Machine-Learning-Visualizations-master
----models()
--------finetune_flickr_style()
--------bvlc_alexnet()
--------bvlc_googlenet()
--------bvlc_reference_caffenet()
--------bvlc_reference_rcnn_ilsvrc13()
----images()
--------cat_dog.png(88KB)
--------cat.jpg(137KB)
----imagenet()
--------ilsvrc_2012_mean.npy(1.5MB)
----gradCAM.py(3KB)
----results()
--------cat_dog_guided_bp.jpg(24KB)
--------cat_dog_guided_gradcam.jpg(13KB)
--------cat_gradCAM.png(89KB)
--------cat_guided_gradcam.jpg(10KB)
--------cat_guided_bp.jpg(21KB)
--------cat_dog_gradCAM.png(84KB)
----guidedBackPropagation.py(6KB)
----README.md(2KB)