pytorch對梯度進(jìn)行可視化進(jìn)行梯度檢查教程
目的: 在訓(xùn)練神經(jīng)網(wǎng)絡(luò)的時(shí)候,有時(shí)候需要自己寫操作,比如faster_rcnn中的roi_pooling,我們可以可視化前向傳播的圖像和反向傳播的梯度圖像,前向傳播可以檢查流程和計(jì)算的正確性,而反向傳播則可以大概檢查流程的正確性。
實(shí)驗(yàn)
可視化rroi_align的梯度
1.pytorch 0.4.1及之前,需要聲明需要參數(shù),這里將圖片數(shù)據(jù)聲明為variable
im_data = Variable(im_data, requires_grad=True)
2.進(jìn)行前向傳播,最后的loss映射為一個(gè)一維的張量
pooled_feat = roipool(im_data, rois.view(-1, 6)) res = pooled_feat.pow(2).sum() res.backward()
3.注意求loss的時(shí)候采用更加復(fù)雜,或者更多的運(yùn)算(這樣在梯度可視化的時(shí)候效果才更加明顯)
可視化效果
原始圖片
梯度可視化圖片
原圖+梯度圖
小結(jié):
可以看到誤差梯度的位置是正確的,誤差是否正確,需要其他方式驗(yàn)證(暫時(shí)沒有思路)
可以看到上面在求loss的時(shí)候?yàn)椋簂oss = sum(x2),但是如果換成:loss = mean(x),效果就沒有上面明顯。
實(shí)驗(yàn)二的效果
loss = mean(x)
可以看到根本無法看到誤差梯度的位置信息
實(shí)驗(yàn)三:loss = sum(x)
小結(jié): 可以看到位置信息有差別,比如國徽部分,這會讓人以為,國徽部分只利用了左部分的信息,或者自己手寫的操作誤差索引不對。
可以通過兩種方式進(jìn)行驗(yàn)證
1.用更多,更復(fù)雜的運(yùn)算求loss,比如pow,等
2.用matplotlib顯示圖片后,用鼠標(biāo)可以指示每個(gè)點(diǎn)的具體的值,可以檢測有誤差梯度區(qū)域是否和無誤差梯度區(qū)域有差別。
以上這篇pytorch對梯度進(jìn)行可視化進(jìn)行梯度檢查教程就是小編分享給大家的全部內(nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
media配置及把用戶頭像從數(shù)據(jù)庫展示到前端的操作方法
media配置可以讓用戶上傳的所有文件都固定的存放在某一個(gè)指定的文件夾下,接下來通過本文給大家介紹下media配置及把用戶頭像從數(shù)據(jù)庫展示到前端的操作,需要的朋友可以參考下2022-09-09基于Linux系統(tǒng)中python matplotlib畫圖的中文顯示問題的解決方法
下面小編就為大家?guī)硪黄贚inux系統(tǒng)中python matplotlib畫圖的中文顯示問題的解決方法。小編覺得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧2017-06-06python3實(shí)現(xiàn)elasticsearch批量更新數(shù)據(jù)
今天小編就為大家分享一篇python3實(shí)現(xiàn)elasticsearch批量更新數(shù)據(jù),具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-12-12如何利用Python連接MySQL數(shù)據(jù)庫實(shí)現(xiàn)數(shù)據(jù)儲存
當(dāng)我們學(xué)習(xí)了mysql數(shù)據(jù)庫后,我們會想著該如何將python和mysql結(jié)合起來運(yùn)用,下面這篇文章主要給大家介紹了關(guān)于如何利用Python連接MySQL數(shù)據(jù)庫實(shí)現(xiàn)數(shù)據(jù)儲存的相關(guān)資料,需要的朋友可以參考下2021-11-11python中__slots__節(jié)約內(nèi)存的具體做法
在本篇內(nèi)容里小編給大家分享的是一篇關(guān)于python中__slots__節(jié)約內(nèi)存的具體做法,有需要的朋友們可以跟著學(xué)習(xí)參考下。2021-07-07