文件名称：simple-receptive-field:数值计算PyTorch中conv块的接受场
文件大小：6.1MB
文件格式：ZIP
更新时间：2024-05-10 23:13:42
Python
简单数值接收场 分析卷积神经网络的接收场对于调试和/或更好地理解模型输出如何看待输入非常有用。 RF可以通过数学方法得出（ 的优秀以及 ）。 我们还可以利用库来数字计算RF。 计算射频的步骤 建立conv块的动态计算图 将输出梯度替换为全0s 在这个新的渐变中选择一个（H，W）位置并将其设置为1s 通过图形反向传播此渐变 向后传递后，输入输入的.grad ，并查找非零条目 用法 可以参考或： import torch from numeric_rf import NumericRF shape = [ 1 , 1 , 60 , 130 ] convs = torch . nn . Sequential ( torch . nn . Conv2d ( shape [ 1 ], 16 , ( 7 , 1 ), stride =
【文件预览】：
simple-receptive-field-master
----.gitignore(42B)
----numeric_rf()
--------__init__.py(46B)
--------numeric_rf.py(3KB)
--------utils.py(326B)
----demo.ipynb(48KB)
----README.md(3KB)
----.gitattributes(25B)
----result_plots()
--------verify.png(80KB)
--------example.png(36KB)
--------rf.gif(6MB)