1
我正在尝试使用Python实现本文 - https://arxiv.org/abs/1610.02391。为此,我想获得相对于最后一个卷积层的特定类输出的渐变。我遇到了backward()函数的以下用法。[Caffe-CNN]如何获得输出的梯度w.r.t.到卷积层?
label = np.zeros((1, 6))
label[0, interested_class] = 1
net.backward(**{net.output[0]: label})
假设我的网络中有六个类。
但是,它将渐变w.r.t给输入层。
我试图使用下面的用法,但它没有给出理想的输出。
label = np.zeros((1,6))
label[0,interested_class] = 1
net.backward(end=conv, **{net.output[0]:label})
准确地说,我想输出层w.r.t CONV层值的梯度。
任何帮助,高度赞赏!
我为此实现撰写了一篇博文(http://sandaw89.blogspot.sg/2017/08/gradcam-implementation-in-pycaffe.html)。任何人都可以从那里找到更多细节。 – Sandareka