如何在keras中可视化中间特征层？

Question

我读过报纸塞勒和费格斯对卷积网络的可视化和理解，想利用他们的可视化技术。这篇文章听起来很有希望，但不幸的是，我不知道如何在Keras (1.2.2版)中实现它。

两个问题：

1. Keras只提供Deconvolution2D层，但不提供Unpooling，也没有“反向ReLU”层。如何利用本文中提到的那些开关变量来实现解池？如何使用反向ReLU (或者它只是“正常”ReLU)？
2. Keras Deconvolution2D层具有属性activation和subsample。也许这就是解决我问题的关键？！如果是的话，我将不得不用单一的Convolution2D + Activation + Pooling层替换所有的层( Deconvolution2D +Deconvolution2D+Pooling)，对吗？

我很感激你的帮助！

Answer 1

你所引用的这篇论文的作者(据我所知)简要地谈到了如何处理这个问题，特别是：

1. ReLU。ReLU的反义词是..。ReLU。由于卷积适用于前向通道中的激活函数，因此反褶积应应用于反向通道的校正重建。
2. 汇集。严格地说，没有办法倒置池。引用这篇文章，“我们可以通过在一组开关变量中记录每个池区域内的最大值的位置来得到一个近似的逆。在反池操作中，解池操作使用这些开关将从上面的层重建到适当的位置，从而保持刺激的结构。”

现在，更接近实际的实现和Keras，看看这条线 --您将发现一些可以立即使用的示例。