一文带你用可视化理解卷积神经网络(12)_摘要“你的神经网络是如何生成这个结果

象耳

那就是我们在本能情况下如何识别大象的，对吧？现在，当我们看看当我们尝试优化任意分类大象图像的模型时，我们在过程中得到了什么。

我们知道CNN中的每个卷积层都在前一层的输出中寻找相似的模式。当输入由它正在寻找的模式组成时，卷积层的激活被最大化。

在最大化激活技术中，我们更新每层的输入，以便将最大化激活的损失降到最低。

我们是如何做到这一点的？我们通过计算相对于输入的激活损失函数的梯度，然后相应得更新输入：

下面是这个操作的代码：

#importing the required modules
from vis.visualization import visualize_activation
from vis.utils import utils
from keras import activations
from keras import applications
import matplotlib.pyplot as plt
%matplotlib inline
plt.rcParams['figure.figsize'
= (186)