一文带你用可视化理解卷积神经网络(13)_摘要“你的神经网络是如何生成这个结果

#creating a VGG16 model using fully connected layers also because then we can
#visualize the patterns for individual category
from keras.applications import VGG16
model = VGG16(weights='imagenet'include_top=True)

#finding out the layer index using layer name
#the find_layer_idx function accepts the model and name of layer as parameters and return the index of respective layer
layer_idx = utils.find_layer_idx(model'predictions')
#changing the activation of the layer to linear
model.layers[layer_idx
.activation = activations.linear
#applying modifications to the model
model = utils.apply_modifications(model)
#Indian elephant
img3 = visualize_activation(modellayer_idxfilter_indices=385max_iter=5000verbose=True)
plt.imshow(img3)

我们的模型使用随机输入对印度象进行分类，生成了以下输出：

从上面的图像中，我们可以观察到该模型需要像牙齿，大眼睛和象牙这样的结构。现在，这些信息对于我们检查数据集的完整性非常重要。因为印度象通常存在于长满树木或长草的栖息地中，所以模型可能会侧重于背景中的栖息地特征，而这是不对的。