文件名称：DeConvNet:Deconvnet 的原始实现，用于可视化 CNN。 纯娱乐
文件大小：6.44MB
文件格式：ZIP
更新时间：2024-07-08 00:12:09
Python
反卷积网络 DeConvNet 的个人实现，用于可视化 CNN。 遵循 Pro.Zealer 的论文： ##这里有什么？ ###CPRStages_up(down) 一个阶段由一个池化层（2D，不重叠），一个卷积层（2D 不重叠）和一个激活函数组成。 up_stage 和 down_stage 的序列完全相反。 更多细节请查看 DeCoovNet/DeConvNet/CPRStage 中的代码。 ###Examples：两个例子说明了如何使用它来可视化 CNN。 诚然，目前这不是很容易使用。 我的错 ：-（ 我已经训练了一个具有 3 个卷积层和 70% AR 的 cifa-10 CNN。 以及存储在 DeCoonvNet/Exampls/Params.pkl 中的参数。 在这里，我将展示如何使用这种结构进行工作。 ####Example1 通过不将其他任何输出映射设置为零来可视化第
【文件预览】：
DeConvNet-master
----DeConvNet()
--------max_pool.py(3KB)
--------CPRStage.py(6KB)
--------test_max_pool.py(2KB)
--------new_stage.py(5KB)
----.gitignore(185B)
----Example()
--------SubSet25.pkl(1.85MB)
--------params.pkl(1.39MB)
--------Layers.py(14KB)
--------FindMaxActivation.py(5KB)
--------utils.py(5KB)
--------Example1.py(4KB)
--------Example2.py(8KB)
--------SubSet1000.pkl(34.51MB)
--------load_cifa_10.py(1009B)
--------batches.meta(158B)
----Others()
--------class_model_visualisation.py(3KB)
--------cifa-10.py(6KB)
--------Saliency.py(3KB)
----Example2.png(1.04MB)
----README.md(2KB)
----Example1.png(136KB)
----.gitignore~(190B)