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
85.50%
機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Q&A

0回答

1149閲覧

CNN 特徴マップの可視化

reonald

総合スコア32

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

0グッド

2クリップ

投稿2020/09/09 23:52

CNNで畳み込み処理後・プーリング後の特徴マップの可視化を行いたいのですが,
調べてみると,VGG16をロードしてから特徴マップを可視化しているサイトばかりで,
いまいち具体的なコードの書き方が分かりません。

import matplotlib.pyplot as plt import os import cv2 import random import numpy as np import tensorflow as tf from sklearn.model_selection import train_test_split import time import feature_visual import filter_visual DATADIR = "aa" CATEGORIES = ["z2","x2"] IMG_SIZE = 28 training_data = [] def create_training_data(): for class_num, category in enumerate(CATEGORIES): path = os.path.join(DATADIR, category) for image_name in os.listdir(path): try: img_array = cv2.imread(os.path.join(path, image_name), cv2.IMREAD_GRAYSCALE) img_resize_array = cv2.resize(img_array, (IMG_SIZE, IMG_SIZE)) training_data.append([img_resize_array, class_num]) except Exception as e: pass create_training_data() random.shuffle(training_data) X_train = [] y_train = [] for feature, label in training_data: X_train.append(feature) y_train.append(label) X= np.array(X_train) y= np.array(y_train) x_train, x_test, y_train, y_test = train_test_split(X, y, test_size=0.20) x_train, x_test = x_train / 255.0, x_test / 255.0             # データセットの準備 model = tf.keras.models.Sequential() model.add( tf.keras.layers.Reshape((28, 28, 1), input_shape=(28, 28)) ) model.add( tf.keras.layers.Conv2D(16, (3, 3), activation='relu') ) model.add( tf.keras.layers.Conv2D(32, (3, 3), activation='relu') ) model.add( tf.keras.layers.MaxPooling2D(pool_size=(2,2)) ) model.add( tf.keras.layers.Dropout(0.5) ) model.add( tf.keras.layers.Flatten() ) model.add( tf.keras.layers.Dense(128, activation='relu') ) model.add( tf.keras.layers.Dropout(0.25) ) model.add( tf.keras.layers.Dense(2, activation='softmax') ) model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])        # モデルの学習 model.fit(x_train, y_train, batch_size=256, epochs=40) loss, accuracy1 = model.evaluate(x_test, y_test, verbose=2)          # モデルの検証 コード

現状のコードは上記のようになっております。このコードに特徴マップを可視化させ,ヒートマップで出力させるコードを追加したいです。
どなたかよろしくお願いいたします。

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。

guest

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

まだ回答がついていません

会員登録して回答してみよう

アカウントをお持ちの方は

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
85.50%

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