特征图可视化

import torch
import torch.nn as nn
from PIL import Image
import numpy as np
from torchvision import transforms
import matplotlib.pyplot as plt
# import os
# os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
class Test(nn.Module):
    def __init__(self):
        super(Test, self).__init__()
        self.Conv1 = nn.Conv2d(in_channels=3, out_channels=1, kernel_size=3, stride=1, padding=1)
    def forward(self, x):
        x = self.Conv1(x)
        return x
path = "00.png"
trans = transforms.Compose([transforms.ToTensor(),
                            # transforms.Resize((224, 224)),
                            transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
x = Image.open(path)
x = trans(x)
x = torch.unsqueeze(x, 0)  # 填充一维
modol = Test()
y = modol(x)
yy = np.squeeze(y, 0)
# plt.imshow(yy[0], cmap='gray')
plt.imshow(transforms.ToPILImage()((yy)[0]))
plt.show()

代码无注释,哪句有问题,欢迎留言,顺便给个关注。

原文地址:http://www.cnblogs.com/QIAN-ONE/p/16817479.html

1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长! 2. 分享目的仅供大家学习和交流,请务用于商业用途! 3. 如果你也有好源码或者教程,可以到用户中心发布,分享有积分奖励和额外收入! 4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解! 5. 如有链接无法下载、失效或广告,请联系管理员处理! 6. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需! 7. 如遇到加密压缩包,默认解压密码为"gltf",如遇到无法解压的请联系管理员! 8. 因为资源和程序源码均为可复制品,所以不支持任何理由的退款兑现,请斟酌后支付下载 声明:如果标题没有注明"已测试"或者"测试可用"等字样的资源源码均未经过站长测试.特别注意没有标注的源码不保证任何可用性