pytorch对梯度进行可视化进行梯度检查教程
更新时间：2020年02月04日 15:04:57 作者：陈军2号
今天小编就为大家分享一篇pytorch对梯度进行可视化进行梯度检查教程，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
目的： 在训练神经网络的时候，有时候需要自己写操作，比如faster_rcnn中的roi_pooling，我们可以可视化前向传播的图像和反向传播的梯度图像，前向传播可以检查流程和计算的正确性，而反向传播则可以大概检查流程的正确性。
实验
可视化rroi_align的梯度
1.pytorch 0.4.1及之前，需要声明需要参数，这里将图片数据声明为variable
im_data = Variable(im_data, requires_grad=True)
2.进行前向传播，最后的loss映射为一个一维的张量
pooled_feat = roipool(im_data, rois.view(-1, 6)) res = pooled_feat.pow(2).sum() res.backward()
3.注意求loss的时候采用更加复杂，或者更多的运算（这样在梯度可视化的时候效果才更加明显）
可视化效果
原始图片
梯度可视化图片
原图+梯度图
小结：
可以看到误差梯度的位置是正确的，误差是否正确，需要其他方式验证（暂时没有思路）
可以看到上面在求loss的时候为：loss = sum(x2)，但是如果换成：loss = mean(x)，效果就没有上面明显。
实验二的效果
loss = mean(x)
可以看到根本无法看到误差梯度的位置信息
实验三：loss = sum(x)
小结： 可以看到位置信息有差别，比如国徽部分，这会让人以为，国徽部分只利用了左部分的信息，或者自己手写的操作误差索引不对。
可以通过两种方式进行验证
1.用更多，更复杂的运算求loss，比如pow，等
2.用matplotlib显示图片后，用鼠标可以指示每个点的具体的值，可以检测有误差梯度区域是否和无误差梯度区域有差别。
以上这篇pytorch对梯度进行可视化进行梯度检查教程就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
media配置可以让用户上传的所有文件都固定的存放在某一个指定的文件夹下，接下来通过本文给大家介绍下media配置及把用户头像从数据库展示到前端的操作,需要的朋友可以参考下2022-09-09
这篇文章主要介绍了Python绘制折线图可视化神器pyecharts，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下2022-07-07
基于Linux系统中python matplotlib画图的中文显示问题的解决方法
下面小编就为大家带来一篇基于Linux系统中python matplotlib画图的中文显示问题的解决方法。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-06-06
当你在使用pip安装Python库时遇到问题,可以尝试以下两种解决方案,第一种是直接在Scripts文件夹内使用CMD命令进行安装,第二种是将Scripts的路径设置为系统环境变量,这样就可以直接在dos中使用pip install进行安装了,以上解决方案仅供参考,如有更好的方法欢迎交流分享2024-10-10
这篇文章主要介绍了Python字典遍历操作,结合实例形式总结分析了Python遍历字典键值对、遍历键、遍历值等相关操作技巧,需要的朋友可以参考下2019-03-03
今天小编就为大家分享一篇python3实现elasticsearch批量更新数据，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-12-12
当我们学习了mysql数据库后，我们会想着该如何将python和mysql结合起来运用,下面这篇文章主要给大家介绍了关于如何利用Python连接MySQL数据库实现数据储存的相关资料,需要的朋友可以参考下2021-11-11
这篇文章主要为大家详细介绍了Python实现的一些简单的文件操作合集，例如：文件的打开，关闭；文件的写入等，感兴趣的小伙伴可以了解一下2022-09-09
在本篇内容里小编给大家分享的是一篇关于python中__slots__节约内存的具体做法，有需要的朋友们可以跟着学习参考下。2021-07-07
今天小编就为大家分享一篇关于带你认识Django，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧2019-01-01
最新评论