mnist全连接层网络权值可视化

一、数据准备

网络结构：lenet_lr.prototxt

训练好的模型：lenet_lr_iter_10000.caffemodel

下载地址：链接：https://pan.baidu.com/s/1uBDTKapT1yFHX4TEMaxQvQ 密码：2mla

 

二、利用pycaffe可视化，只需根据prototxt文件即可得到

~/caffe/caffe/examples/mnist$ python /home/tingpan/caffe/caffe/python/draw_net.py lenet_lr.prototxt lenet_lr.png

 

三、matlab权值可视化

1、切换至caffe目录下，在matlab目录中新建mnist_lr_weights_vis.m

clear;
clc;
close all;
addpath('matlab')
caffe.set_mode_cpu();
caffe.version()
net = caffe.Net('examples/mnist/lenet_lr.prototxt' , ...
'examples/mnist/lenet_lr_iter_10000.caffemodel', 'test');
net.layer_names
net.blob_names
ip_layer = net.layer_vec(3);
weight_blob = ip_layer.params(1);
w = weight_blob.get_data();
size(w) %784x10
bias_blob = ip_layer.params(2);
b = bias_blob.get_data();
size(b) %10x1
 
w = w - min(min(w));
w = w/(max(max(w)))*255;
w = uint8(w);
figure; imshow(w);
imwrite(w, './matlab/ip_weight.bmp');
sprintf('finish')

2、点击运行

点击添加到路径。

3、输出：

ans =

1.0.0


ans =

  6×1 cell 数组

    'mnist'
    'label_mnist_1_split'
    'ip'
    'ip_ip_0_split'
    'accuracy'
    'loss'


ans =

  9×1 cell 数组

    'data'
    'label'
    'label_mnist_1_split_0'
    'label_mnist_1_split_1'
    'ip'
    'ip_ip_0_split_0'
    'ip_ip_0_split_1'
    'accuracy'
    'loss'


ans =

   784    10


ans =

    10     1


ans =

finish

4、分析

net内容为

可得matlab可视化得到的网络模型是

从图中可输出layer有6层（6个矩形），blob有9个（9个椭圆形或多边形）;

其中，InnerProduct（内积层，也即全连接层），存有权重信息。该权重尺寸为784x10，可推出blob的data的size为100x784，blob中的ip的size为100x10;

net.layer_vec中只有ip层的params不为空

其中第一个blob的size为748x10，为权重；第二个blob的size为10x1，为偏置参数。

得到的权值图片为：caffe/matlab/ip_weight.bmp

end