我們看一個 CNN 示例，了解具體運行過程。

我們要查看的 CNN 在 ImageNet 上進行了訓練（請參閱這篇來自 Zeiler 和 Fergus 的論文）。在下面的圖片中（摘自上述同一論文），我們將看到該網絡中的每個層級會檢測到什么，并查看每個層級如何檢測到越來越復雜的規律。

導致網絡的第一層級被激活的示例規律，從簡單的對角線（從左上角開始）到綠色塊（底部中間部分）。

上述圖片來自 Matthew Zeiler 和 Rob Fergus 的深度可視化工具箱（YOUTUBE鏈接，國內網絡可能打不開），使我們能夠可視化 CNN 中的每個層級側重的是什么。

上述網格中的每個圖片代表的是第一層級的神經元被激活的規律，換句話說，它們是第一層級能夠識別的規律。左上角的圖片顯示的是 -45 度線條，頂部中間的圖片顯示的是 +45 度的線條。下面的這些方框再次供參考。

正如此處圖表所顯示的，該 CNN 的第一層級可以識別 -45 度的線條。

該 CNN 的第一層級還能夠識別 +45 度的線條，例如上方的圖片。

我們查看一些導致此類激活的示例圖片。下面的圖片網格均激活了 -45 度的線條。注意它們均被選中了，但是具有不同的顏色、漸變和規律。

激活第一層級的 -45 度線條檢測器的示例圖片。

因此，該 CNN 的第一層級清晰地選出了非常簡單的形狀和規律，例如線條和色塊。

?

第 2 層級

該 CNN 的第二層級的可視化圖表。注意我們選出了更加復雜的規律（例如圓圈和條紋）。左側的灰色網格表示該 CNN 的這一層級如何根據右側網格中的圖片被激活（即所看到的內容）。

該 CNN 的第二層級發現了復雜的規律。

正如在上述圖片中所看到的，該 CNN 的第二層級識別出圓圈（第二行第二列）、長條（第一行第二列）以及長方形（右下角）。

CNN 自己學會發現這些規律。沒有任何特殊說明指導該 CNN 側重于更深層級中的更復雜對象。當你向 CNN 提供訓練數據時，它通常都會這么做。

?

第 3 層級

該 CNN 中第三層級的可視化圖表。左側的灰色網格表示該 CNN 的這一層級如何根據右側網格中的相應圖片被激活（即所看到的內容）。

第 3 層級從第 2 層級中選出復雜的特征組合。包括網格和蜂窩（左上角）、輪子（第二行第二列），甚至面孔（第三行第三列）。

我們將跳過第 4 層級（繼續這一模式），并直接跳到第 5 層級，即該 CNN 的最后一個層級。

?

第 5 層級

該 CNN 的第 5 層級（即最后一個層級）的可視化圖表。左側的灰色網格表示該 CNN 的這一層級如何根據右側網格中的相應圖片被激活（即所看到的內容）。

最后一個層級選出我們關心的最高級分類規律，例如狗的臉部、鳥類臉部和自行車。

轉載于:https://www.cnblogs.com/paulonetwo/p/10060519.html

總結

以上是生活随笔為你收集整理的机器学习工程师 - Udacity 可视化 CNN的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。