mnist全连接层网络权值可视化

一、数据准备

网络结构:lenet_lr.prototxt

训练好的模型:lenet_lr_iter_10000.caffemodel

下载地址:链接:https://pan.baidu.com/s/1uBDTKapT1yFHX4TEMaxQvQ 密码:2mla

二、利用pycaffe可视化,只需根据prototxt文件即可得到

~/caffe/caffe/examples/mnist$ python /home/tingpan/caffe/caffe/python/draw_net.py lenet_lr.prototxt lenet_lr.png

mnist全连接层网络权值可视化

三、matlab权值可视化

1、切换至caffe目录下,在matlab目录中新建mnist_lr_weights_vis.m

clear;
clc;
close all;
addpath('matlab')
caffe.set_mode_cpu();
caffe.version()
net = caffe.Net('examples/mnist/lenet_lr.prototxt' , ...
'examples/mnist/lenet_lr_iter_10000.caffemodel', 'test');
net.layer_names
net.blob_names
ip_layer = net.layer_vec();
weight_blob = ip_layer.params();
w = weight_blob.get_data();
size(w) %784x10
bias_blob = ip_layer.params();
b = bias_blob.get_data();
size(b) %10x1 w = w - min(min(w));
w = w/(max(max(w)))*;
w = uint8(w);
figure; imshow(w);
imwrite(w, './matlab/ip_weight.bmp');
sprintf('finish')

2、点击运行

mnist全连接层网络权值可视化

点击添加到路径。

3、输出:

ans =

1.0.

ans =

  × cell 数组

    'mnist'
'label_mnist_1_split'
'ip'
'ip_ip_0_split'
'accuracy'
'loss' ans = × cell 数组 'data'
'label'
'label_mnist_1_split_0'
'label_mnist_1_split_1'
'ip'
'ip_ip_0_split_0'
'ip_ip_0_split_1'
'accuracy'
'loss' ans = ans = ans = finish

4、分析

net内容为

mnist全连接层网络权值可视化

可得matlab可视化得到的网络模型是

mnist全连接层网络权值可视化

从图中可输出layer有6层(6个矩形),blob有9个(9个椭圆形或多边形);

其中,InnerProduct(内积层,也即全连接层),存有权重信息。该权重尺寸为784x10,可推出blob的data的size为100x784,blob中的ip的size为100x10;

net.layer_vec中只有ip层的params不为空

mnist全连接层网络权值可视化

其中第一个blob的size为748x10,为权重;第二个blob的size为10x1,为偏置参数。

得到的权值图片为:caffe/matlab/ip_weight.bmp

mnist全连接层网络权值可视化

end

上一篇:git拉取远程tag并进行代码crud


下一篇:JQuery实现回车代替Tab键(按回车跳到下一栏)