質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.44%
PyTorch

PyTorchは、オープンソースのPython向けの機械学習ライブラリ。Facebookの人工知能研究グループが開発を主導しています。強力なGPUサポートを備えたテンソル計算、テープベースの自動微分による柔軟なニューラルネットワークの記述が可能です。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Q&A

解決済

1回答

363閲覧

Pytorchの特徴マップの可視化方法が分からない

xeno

総合スコア16

PyTorch

PyTorchは、オープンソースのPython向けの機械学習ライブラリ。Facebookの人工知能研究グループが開発を主導しています。強力なGPUサポートを備えたテンソル計算、テープベースの自動微分による柔軟なニューラルネットワークの記述が可能です。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

0グッド

0クリップ

投稿2023/05/19 09:06

編集2023/05/20 09:54

実現したいこと

ResNet50の最初の畳み込み層からの出力を特徴マップとして可視化したいのですが上手くいきません。チャンネル数が大きいため可視化できないということはわかるのですが具体的にどうすれば解決できるかがわからないです。
環境は変えることができないため、現在の環境でのやり方を教えていただきたいです。

発生している問題・エラーメッセージ

Traceback (most recent call last): File "feat_sample.py", line 88, in <module> main() File "feat_sample.py", line 62, in main plt.imshow(result) File "/home/xxx/.local/lib/python3.6/site-packages/matplotlib/pyplot.py", line 2730, in imshow **kwargs) File "/home/xxx/.local/lib/python3.6/site-packages/matplotlib/__init__.py", line 1447, in inner return func(ax, *map(sanitize_sequence, args), **kwargs) File "/home/xxx/.local/lib/python3.6/site-packages/matplotlib/axes/_axes.py", line 5523, in imshow im.set_data(X) File "/home/xxx/.local/lib/python3.6/site-packages/matplotlib/image.py", line 712, in set_data .format(self._A.shape)) TypeError: Invalid shape (112, 112, 64) for image data

該当のソースコード

import os import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim import torchvision from torchvision import datasets,transforms,models,utils import numpy as np import matplotlib.pyplot as plt import os import pandas as pd from PIL import Image import sys import random import shutil import argparse from datetime import datetime from tqdm import tqdm from sklearn import metrics import warnings import datetime import matplotlib.pyplot as plt warnings.filterwarnings('ignore') def main(): testdir = '/media/8e2435dd-0595-4145-bfff-6c1a049dfde41/data/dataset/' test_dataset = torchvision.datasets.ImageFolder( testdir, transforms.Compose([ transforms.ToTensor(), ])) testloader = torch.utils.data.DataLoader(test_dataset, batch_size=1, shuffle=False, num_workers=8) model = models.resnet50(pretrained=False) num_ftrs = model.fc.in_features model.fc = nn.Linear(num_ftrs, 2) model.to('cuda') model.eval() print(model) feat=model.conv1 print(feat) cnt = 0 for n, (sample, cls) in enumerate(testloader): if n == n: sample = sample.to(device) cls = cls.to(device) output = feat(sample) print(output.shape) feat_map = output.to('cpu').detach().numpy().copy()[0] feat_map = feat_map.transpose(1, 2, 0) result = (feat_map * 255).astype(np.uint8) plt.figure(figsize=(5, 5)) plt.imshow(result) plt.tick_params(bottom=False, left=False, right=False, top=False) plt.tick_params(labelbottom=False, labelleft=False, labelright=False, labeltop=False) plt.savefig(f'img{cnt}.pdf') plt.close() cnt += 1 if __name__=='__main__': seed=1 random.seed(seed) torch.manual_seed(seed) np.random.seed(seed) torch.cuda.manual_seed(seed) torch.backends.cudnn.deterministic = True torch.backends.cudnn.benchmark = False device = torch.device('cuda') main()

補足情報(FW/ツールのバージョンなど)

torch 1.8.1+cu111
torch-tb-profiler 0.4.1
torchaudio 0.8.1
torchinfo 1.5.4
torchmetrics 0.8.2
torchsummary 1.5.1
torchvision 0.9.1+cu111

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

jbpb0

2023/05/19 18:39

質問に記載のエラーメッセージよりも上に「Traceback」と書かれてたら、そこから下をできるだけ省略せずに質問に記載してください (ここに書くのではなく、質問を編集して追記する) ユーザー名等の個人情報は伏せ字でいいですが、それ以外はできるだけそのまま記載してください
xeno

2023/05/20 09:54

失礼いたしました。 エラー分を追記しました。
guest

回答1

0

自己解決

自己解決できました。
下記にコードを記載します。

import os import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim import torchvision from torchvision import datasets, transforms, models import numpy as np import matplotlib.pyplot as plt import os import pandas as pd from PIL import Image import sys import random import shutil import argparse from datetime import datetime from tqdm import tqdm from sklearn import metrics import warnings import datetime warnings.filterwarnings('ignore') def feature_to_img(feature, nrow=4): # (N, H, W) -> (N, C, H, W) feature = feature.unsqueeze(1) # 画像化して、格子状に並べる img = torchvision.utils.make_grid(feature.cpu(), nrow=nrow, normalize=True, pad_value=1) # テンソル -> PIL Image img = transforms.functional.to_pil_image(img) # リサイズする。 new_w = 500 new_h = int(new_w * img.height / img.width) img = img.resize((new_w, new_h)) return img def main(): testdir = '/media/8e2435dd-0595-4145-bfff-6c1a049dfde41/data/dataset/' test_dataset = torchvision.datasets.ImageFolder( testdir, transforms.Compose([ transforms.ToTensor(), ])) testloader = torch.utils.data.DataLoader( test_dataset, batch_size=1, shuffle=False, num_workers=8) model = models.resnet50(pretrained=False) num_ftrs = model.fc.in_features model.fc = nn.Linear(num_ftrs, 2) model.to('cuda') model.eval() print(model) feat = model.conv1 print(feat) cnt = 0 for n, (sample, cls) in enumerate(testloader): sample = sample.to(device) cls = cls.to(device) output = feat(sample) #print(output.shape) img = feature_to_img(output[0][:16]) print(img) img.save("features.png") if __name__=='__main__': seed = 1 random.seed(seed) torch.manual_seed(seed) np.random.seed(seed) torch.cuda.manual_seed(seed) torch.backends.cudnn.deterministic = True torch.backends.cudnn.benchmark = False device = torch.device('cuda') main()

投稿2023/05/21 00:20

xeno

総合スコア16

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.44%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問