JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Глава 7. Визуализация данных и моделей
317
2. В примере visualize­convnet задайте собственное входное изображение с помощью 
флага 
--image
команды 
yarn
visualize
. А поскольку в разделе 7.2 мы исполь­
зовали только изображения животных, попробуйте другие типы содержимого 
изображений, например людей, машин, предметов быта и природы. Посмотрите, 
какую полезную информацию можно почерпнуть из соответствующих внутрен­
них активаций и карт CAM.
3. В примере, где мы рассчитывали CAM модели VGG16, вычислялись градиенты 
показателей вероятности для класса­
победителя
по выходному сигналу по­
следнего сверточного слоя. Что, если вместо этого вычислить градиенты класса, 
который 
не является «победителем»
(класса с меньшей вероятностью)? Следует 
ожидать, что в получившемся изображении CAM 
не
будут выделяться ключевые 
фрагменты, относящиеся к настоящему объекту изображения. Убедитесь в этом, 
модифицировав код примера visualize­convnet и запустив его снова. А именно, 
передавайте индекс класса для вычисления градиентов в виде аргумента функции 
gradClassActivationMap()
из файла 
visualize-convnet/cam.js
. Эта функция вы­
зывается в файле 
visualize-convnet/main.js
.
Резюме
z
z
Мы изучили основы использования tfjs­vis, библиотеки визуализации, тесно 
интегрированной с TensorFlow.js и пригодной для визуализации основных типов 
графиков в браузере.
z
z
Визуализация данных — неотъемлемая составляющая машинного обучения. 
Эффективное визуальное представление данных позволяет выявить паттерны 
и почерпнуть полезную информацию о них, которую иначе добыть было бы очень 
непросто, как мы продемонстрировали на данных Jena­weather­archive.
z
z
Из уже обученных нейронных сетей можно найти немало интересных паттер­
нов и почерпнуть много полезной информации. Мы показали основные этапы 
и результаты.
• Визуализации внутренних активаций глубокой сверточной сети.
• Вычисления элементов входного сигнала, на которые слои реагируют сильнее 
всего.
• Выяснения того, какие части входного изображения играют главную роль 
в принятии сверточной сетью решения о классификации. Это помогает по­
нять, что усвоила сверточная сеть и как она функционирует во время выпол­
нения вывода.

---