可视化模块

可视化送入网络的图片

送入的数据为imgs，其大小为(8,3,256,256)，并以2行8列进行展示

import matplotlib.pyplot as plt
import numpy as np# 假设你的张量名为 tensor，形状为 (8, 3, 256, 256)
# 假设通道顺序为 RGB# 将张量的数据格式转换为 (8, 256, 256, 3)
tensor = imgs.permute(0, 2, 3, 1)# 创建一个 2x4 的子图布局，8 张图像
fig, axes = plt.subplots(2, 4, figsize=(12, 6))for i in range(8):# 选择子图ax = axes[i // 4, i % 4]# 获取第 i 张图像的数据image = tensor[i].numpy()# 确保图像的像素值在 [0, 1] 范围内image = np.clip(image, 0, 1)# 绘制图像ax.imshow(image)ax.set_title(f'Image {i + 1}')ax.axis('off')plt.tight_layout()
plt.show()

可视化网络层的热力图

import torch
import matplotlib.pyplot as plt# 创建一个空的列表来存储该层的输出
activation = []# 定义一个钩子函数，用于获取该层的输出
def hook_fn(module, input, output):activation.append(output)# 注册钩子到网络的fam4层
model.fam4.register_forward_hook(hook_fn)# 初始化一个子图，排列方式为2x4
fig, axs = plt.subplots(2, 4, figsize=(16, 8))# 将输入数据图片传递给网络进行前向传播
output = model(imgs)  for i in range(8):# 获取钩子记录的该层的输出layer_output = activation[0]# 计算热力图heatmap = layer_output.mean(dim=1, keepdim=True)  # 在通道维度上取平均值# 可视化热力图axs[i // 4, i % 4].imshow(heatmap[i, 0].cpu().detach().numpy(), cmap='viridis')axs[i // 4, i % 4].set_title(f'Image {i + 1}')axs[i // 4, i % 4].axis('off')plt.show()