PyTorch 深度学习实战(31):可解释性AI与特征可视化
liuian 2025-05-08 19:40 67 浏览
在上一篇文章中,我们探讨了模型压缩与量化部署技术。本文将深入可解释性AI与特征可视化领域,揭示深度学习模型的决策机制,帮助开发者理解和解释模型的内部工作原理。
一、可解释性AI基础
1. 核心概念
- 特征重要性:识别输入特征对预测结果的贡献度
- 决策归因:追溯模型决策的关键依据
- 概念激活:识别模型学习的高级语义概念
2. 主要方法对比
方法类型 | 代表技术 | 适用场景 | 可视化粒度 |
基于梯度 | Saliency Map | 分类任务 | 像素级 |
基于扰动 | LIME | 任意模型 | 特征块级 |
类激活映射 | Grad-CAM | CNN模型 | 空间区域级 |
概念分析 | TCAV | 概念解释 | 语义概念级 |
二、PyTorch特征可视化实战
1. 特征重要性分析(Saliency Map)
import torch
import matplotlib.pyplot as plt
from torchvision import models, transforms
from PIL import Image
# 加载预训练模型
model = models.resnet50(weights='IMAGENET1K_V1').eval()
preprocess = transforms.Compose([
transforms.Resize(256),
transforms.CenterCrop(224),
transforms.ToTensor(),
transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])
# 加载图片
def load_image(image_path):
image = Image.open(image_path)
image_tensor = preprocess(image)
image_tensor = image_tensor.unsqueeze(0)
return image_tensor
# 生成Saliency Map
def generate_saliency(img_tensor, model):
img_tensor.requires_grad_()
output = model(img_tensor)
output.max().backward()
saliency = img_tensor.grad.data.abs().max(dim=1)[0]
return saliency.squeeze().cpu().numpy()
# 可视化
img = load_image('cat.jpeg') # 自定义图像加载函数
saliency = generate_saliency(img, model)
plt.imshow(saliency, cmap='hot')
plt.colorbar()
plt.show()原图:
输出:
2. 类激活映射(Grad-CAM)
import torch
import torch.nn.functional as F
import matplotlib.pyplot as plt
import numpy as np
from torchvision import models, transforms
from PIL import Image
import cv2
import matplotlib.font_manager as fm
# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei'] # 使用黑体
plt.rcParams['axes.unicode_minus'] = False # 解决负号显示问题
class GradCAM:
def __init__(self, model, target_layer):
"""GradCAM类初始化
Args:
model: 目标模型
target_layer: 要计算CAM的目标层
"""
self.model = model
self.gradients = None # 保存梯度
self.activations = None # 保存激活值
self.target_layer = target_layer
# 注册前向和反向钩子
self.target_layer.register_forward_hook(self.save_activations)
self.target_layer.register_full_backward_hook(self.save_gradients)
def save_activations(self, module, input, output):
"""保存前向传播的激活值"""
self.activations = output.detach() # 不计算梯度
def save_gradients(self, module, grad_input, grad_output):
"""保存反向传播的梯度"""
self.gradients = grad_output[0].detach() # 不计算梯度
def forward(self, x):
"""前向传播"""
return self.model(x)
def __call__(self, x, class_idx=None):
"""生成GradCAM热力图
Args:
x: 输入张量
class_idx: 目标类别索引,None表示自动选择最高概率类别
Returns:
cam: 归一化的热力图
class_idx: 使用的类别索引
"""
# 前向传播获取预测结果
logits = self.forward(x)
if class_idx is None:
class_idx = logits.argmax() # 自动选择最高概率类别
# 反向传播计算梯度
self.model.zero_grad()
logits[0, class_idx].backward(retain_graph=True)
# 计算权重(全局平均池化梯度)
weights = self.gradients.mean(dim=(2, 3), keepdim=True)
# 计算类激活图
cam = (weights * self.activations).sum(dim=1, keepdim=True)
cam = F.relu(cam) # 只保留正激活
cam = F.interpolate(cam, x.shape[2:], mode='bilinear', align_corners=False) # 上采样到输入尺寸
# 归一化到[0,1]范围
cam_min, cam_max = cam.min(), cam.max()
cam = (cam - cam_min) / (cam_max - cam_min + 1e-8) # 避免除以零
return cam.squeeze().cpu().numpy(), class_idx.item()
# 图像预处理流程
preprocess = transforms.Compose([
transforms.Resize(256), # 调整大小
transforms.CenterCrop(224), # 中心裁剪
transforms.ToTensor(), # 转为张量
transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), # ImageNet标准化
])
def load_image(image_path):
"""加载并预处理图像
Args:
image_path: 图像路径
Returns:
image_tensor: 预处理后的张量
original_image: 原始PIL图像
"""
image = Image.open(image_path).convert('RGB') # 确保RGB格式
image_tensor = preprocess(image)
image_tensor = image_tensor.unsqueeze(0) # 添加批次维度
return image_tensor, image
def visualize_gradcam(image, heatmap, alpha=0.5):
"""可视化GradCAM结果
Args:
image: 原始PIL图像
heatmap: GradCAM生成的热力图
alpha: 热力图透明度
Returns:
superimposed_img: 叠加后的图像
"""
# 转换图像为numpy数组并调整大小
img = np.array(image)
img = cv2.resize(img, (224, 224))
# 调整热力图大小并应用颜色映射
heatmap = cv2.resize(heatmap, (img.shape[1], img.shape[0]))
heatmap = np.uint8(255 * heatmap) # 转为0-255范围
heatmap = cv2.applyColorMap(heatmap, cv2.COLORMAP_JET) # 应用Jet颜色
# 叠加热力图和原始图像
superimposed_img = heatmap * alpha + img * (1 - alpha)
superimposed_img = np.clip(superimposed_img, 0, 255).astype(np.uint8) # 限制范围
return superimposed_img
# 主程序
if __name__ == "__main__":
# 加载预训练ResNet50模型
model = models.resnet50(weights='IMAGENET1K_V1').eval()
try:
# 加载图像
img_tensor, original_image = load_image('cat.jpeg')
# 设置目标层(ResNet50最后一个卷积层)
target_layer = model.layer4[-1].conv3
grad_cam = GradCAM(model, target_layer)
# 生成热力图
heatmap, class_idx = grad_cam(img_tensor)
# 可视化结果
fig, ax = plt.subplots(1, 3, figsize=(15, 5))
# 原始图像
ax[0].imshow(original_image)
ax[0].set_title('原始图像')
ax[0].axis('off')
# 热力图
ax[1].imshow(heatmap, cmap='jet')
ax[1].set_title('GradCAM热力图')
ax[1].axis('off')
# 叠加效果
superimposed = visualize_gradcam(original_image, heatmap)
ax[2].imshow(superimposed)
ax[2].set_title(f'可视化结果 (类别: {class_idx})')
ax[2].axis('off')
plt.tight_layout()
plt.savefig('gradcam_results.png', bbox_inches='tight', dpi=300)
plt.show()
except FileNotFoundError:
print("错误:未找到'cat.jpeg'文件,请确保图像存在")
except Exception as e:
print(f"发生错误: {e}")输出为:
三、高级可视化技术
1. 特征反演(Feature Inversion)
import torch
import torch.nn.functional as F
from torch import optim
from torchvision import models
import matplotlib.pyplot as plt
def invert_features(model, target_features, input_size=(3, 224, 224),
num_iterations=300, lr=0.1, show_progress=True):
"""
通过优化随机输入来反演生成与目标特征匹配的图像
参数:
model (nn.Module): 特征提取模型(需要返回目标层的特征)
target_features (Tensor): 目标特征图(形状需与model输出一致)
input_size (tuple): 生成图像的尺寸(channels, height, width)
num_iterations (int): 优化迭代次数
lr (float): 学习率
show_progress (bool): 是否显示优化过程
返回:
Tensor: 反演生成的图像(1, C, H, W)
"""
# 1. 初始化随机输入(使用正态分布)
synthetic_img = torch.randn(1, *input_size,
requires_grad=True,
device=target_features.device)
# 2. 设置优化器(Adam + 学习率衰减)
optimizer = optim.Adam([synthetic_img], lr=lr)
scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=100, gamma=0.5)
# 3. 优化循环
losses = []
best_img = None
best_loss = float('inf')
for i in range(num_iterations):
optimizer.zero_grad()
# 前向传播获取当前特征
current_features = model(synthetic_img)
# 计算MSE损失 + 正则项(图像总变分正则化)
mse_loss = F.mse_loss(current_features, target_features)
tv_loss = total_variation(synthetic_img) * 1e-6 # 总变分正则化
loss = mse_loss + tv_loss
# 反向传播
loss.backward()
optimizer.step()
scheduler.step()
# 数值截断(保持合理范围)
synthetic_img.data = torch.clamp(synthetic_img, -2.5, 2.5)
# 记录最佳结果
if loss.item() < best_loss:
best_loss = loss.item()
best_img = synthetic_img.detach().clone()
losses.append(loss.item())
# 打印进度
if show_progress and (i % 50 == 0 or i == num_iterations - 1):
print(f'Iter [{i + 1}/{num_iterations}], Loss: {loss.item():.4f}')
# 4. 后处理并返回最佳结果
final_img = post_process(best_img)
# 可视化结果
if show_progress:
visualize_results(losses, final_img)
return final_img
def total_variation(img):
"""计算图像的总变分(平滑性正则化)"""
batch_size = img.size(0)
height_var = torch.sum(torch.abs(img[:, :, 1:, :] - img[:, :, :-1, :]))
width_var = torch.sum(torch.abs(img[:, :, :, 1:] - img[:, :, :, :-1]))
return (height_var + width_var) / batch_size
def post_process(img_tensor):
"""后处理生成图像"""
# 1. 反归一化(假设输入是ImageNet标准化后的)
mean = torch.tensor([0.485, 0.456, 0.406]).view(1, 3, 1, 1).to(img_tensor.device)
std = torch.tensor([0.229, 0.224, 0.225]).view(1, 3, 1, 1).to(img_tensor.device)
img = img_tensor * std + mean
# 2. 裁剪到[0,1]范围
img = torch.clamp(img, 0, 1)
return img
def visualize_results(losses, img_tensor):
"""可视化优化过程和结果"""
plt.figure(figsize=(12, 4))
# 1. 绘制损失曲线
plt.subplot(1, 2, 1)
plt.plot(losses)
plt.title('Optimization Loss')
plt.xlabel('Iteration')
plt.ylabel('Loss')
# 2. 绘制生成图像
plt.subplot(1, 2, 2)
img = img_tensor.squeeze().permute(1, 2, 0).cpu().numpy()
plt.imshow(img)
plt.title('Generated Image')
plt.axis('off')
plt.tight_layout()
plt.show()
# 使用示例
if __name__ == "__main__":
# 示例用法(需要实际模型和目标特征)
model = models.resnet50(pretrained=True).eval()
target_features = torch.randn(1, 2048, 7, 7) # 模拟ResNet50最后一层特征
# 提取中间层特征(需要修改模型forward)
class FeatureExtractor(torch.nn.Module):
def __init__(self, model):
super().__init__()
self.model = model
self.features = None
# 注册钩子获取layer4输出
model.layer4.register_forward_hook(self.save_features)
def save_features(self, module, input, output):
self.features = output.detach()
def forward(self, x):
_ = self.model(x) # 标准前向传播
return self.features
feature_model = FeatureExtractor(model)
# 运行特征反演
generated_img = invert_features(
model=feature_model,
target_features=target_features,
num_iterations=300,
lr=0.05,
show_progress=True
)输出为:
Iter [1/300], Loss: 1.6159
Iter [51/300], Loss: 1.2094
Iter [101/300], Loss: 1.2376
Iter [151/300], Loss: 1.1462
Iter [201/300], Loss: 1.1278
Iter [251/300], Loss: 1.1206
Iter [300/300], Loss: 1.11942. 概念激活向量(TCAV)
import torch
import numpy as np
from sklearn.linear_model import LogisticRegression
from tqdm import tqdm
from typing import List, Tuple
from torchvision.transforms import functional as F # 直接使用functional接口
class TCAV:
def __init__(self, model: torch.nn.Module, layer_name: str):
"""TCAV初始化
Args:
model: 目标神经网络模型
layer_name: 要分析的目标层名称(如'layer4')
"""
self.model = model
self.layer_output = None
self.hook = self._register_hook(layer_name)
self.device = next(model.parameters()).device
def _register_hook(self, layer_name: str):
"""注册前向钩子到指定层"""
def hook_fn(module, input, output):
self.layer_output = output.detach()
return self.model._modules[layer_name].register_forward_hook(hook_fn)
def compute_concept_sensitivity(self,
concept_imgs: List[torch.Tensor],
random_imgs: List[torch.Tensor],
n_splits: int = 5) -> Tuple[float, np.ndarray]:
"""计算概念敏感度"""
concept_features = self._extract_features(concept_imgs)
random_features = self._extract_features(random_imgs)
X = torch.cat([concept_features, random_features]).cpu().numpy()
y = np.concatenate([np.ones(len(concept_features)),
np.zeros(len(random_features))])
accuracies, cavs = [], []
for _ in range(n_splits):
idx = np.random.permutation(len(X))
lr = LogisticRegression(penalty='l2', C=0.01, max_iter=1000)
lr.fit(X[idx], y[idx])
accuracies.append(lr.score(X[idx], y[idx]))
cavs.append(lr.coef_[0])
return np.mean(accuracies), np.mean(cavs, axis=0)
def _extract_features(self, imgs: List[torch.Tensor]) -> torch.Tensor:
"""直接处理张量输入"""
features = []
for img in tqdm(imgs, desc='Extracting features'):
if img.dim() == 3:
img = img.unsqueeze(0).to(self.device)
self.model(img)
features.append(self.layer_output.flatten())
return torch.stack(features)
def __del__(self):
self.hook.remove()
# 正确的预处理函数
def preprocess_tensor(img_tensor: torch.Tensor) -> torch.Tensor:
"""直接对张量进行预处理"""
# 1. 调整大小和裁剪
img_tensor = F.resize(img_tensor, [256])
img_tensor = F.center_crop(img_tensor, [224, 224])
# 2. 标准化 (使用ImageNet统计量)
mean = torch.tensor([0.485, 0.456, 0.406]).view(3, 1, 1)
std = torch.tensor([0.229, 0.224, 0.225]).view(3, 1, 1)
return (img_tensor - mean) / std
if __name__ == "__main__":
import torchvision
# 1. 加载模型
model = torchvision.models.resnet18(weights='IMAGENET1K_V1').eval()
# 2. 生成模拟数据 (直接创建预处理后的张量)
def create_mock_batch(batch_size=10):
imgs = torch.clamp(torch.randn(batch_size, 3, 256, 256)*0.5 + 0.5, 0, 1)
return torch.stack([preprocess_tensor(img) for img in imgs])
concept_imgs = create_mock_batch() # 10张概念图像
random_imgs = create_mock_batch() # 10张随机图像
# 3. 运行TCAV
tcav = TCAV(model, 'layer4')
accuracy, cav = tcav.compute_concept_sensitivity(
concept_imgs=concept_imgs,
random_imgs=random_imgs
)
print(f"分类准确率: {accuracy:.3f}")
print(f"CAV维度: {cav.shape}, 范数: {np.linalg.norm(cav):.3f}")输出为:
Extracting features: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 10/10 [00:00<00:00, 45.63it/s]
Extracting features: 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 10/10 [00:00<00:00, 48.76it/s]
分类准确率: 1.000
CAV维度: (25088,), 范数: 0.220四、可视化工具集成
1. Captum库实践
import torch
import numpy as np
import matplotlib.pyplot as plt
from captum.attr import IntegratedGradients, LayerGradCam, visualization as viz
from torchvision import models, transforms
from PIL import Image
import cv2 # 用于调整热力图尺寸
# 1. 加载预训练模型
model = models.resnet50(weights=models.ResNet50_Weights.IMAGENET1K_V1).eval()
# 2. 图像预处理
def preprocess_image(image_path):
preprocess = transforms.Compose([
transforms.Resize(256),
transforms.CenterCrop(224),
transforms.ToTensor(),
transforms.Normalize(mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225]),
])
img = Image.open(image_path).convert('RGB')
return preprocess(img).unsqueeze(0) # 添加batch维度
# 3. 可解释性分析函数
def explain_model(image_path, target_class=None):
# 预处理输入
input_tensor = preprocess_image(image_path)
input_tensor.requires_grad = True
# 获取预测类别
with torch.no_grad():
output = model(input_tensor)
pred_class_idx = output.argmax().item() if target_class is None else target_class
# 综合梯度分析
ig = IntegratedGradients(model)
ig_attr = ig.attribute(input_tensor,
target=pred_class_idx,
n_steps=50,
return_convergence_delta=False)
# 分层GradCAM
target_layer = model.layer4[-1].conv3
layer_gc = LayerGradCam(model, target_layer)
gc_attr = layer_gc.attribute(input_tensor,
target=pred_class_idx,
relu_attributions=True)
# 转换为适合可视化的格式
input_img = np.transpose(input_tensor.squeeze().cpu().detach().numpy(), (1, 2, 0))
ig_attr = np.transpose(ig_attr.squeeze().cpu().detach().numpy(), (1, 2, 0))
# 处理Grad-CAM属性
gc_attr = gc_attr.squeeze().cpu().detach().numpy()
gc_attr = np.maximum(gc_attr, 0) # 只保留正激活
gc_attr = (gc_attr - gc_attr.min()) / (gc_attr.max() - gc_attr.min() + 1e-8) # 归一化
return input_img, ig_attr, gc_attr, pred_class_idx
# 4. 可视化函数
def visualize_attributions(input_img, ig_attr, gc_attr, class_idx, class_names=None):
fig, ax = plt.subplots(1, 3, figsize=(18, 6))
# 原始图像
orig_img = input_img * np.array([0.229, 0.224, 0.225]) + np.array([0.485, 0.456, 0.406])
orig_img = np.clip(orig_img, 0, 1)
ax[0].imshow(orig_img)
# 安全获取类别名称
class_name = "unknown"
if class_names is not None and class_idx in class_names:
class_name = class_names[class_idx]
elif class_names is None:
class_name = str(class_idx)
ax[0].set_title(f'Original Image\nPredicted: {class_name}')
ax[0].axis('off')
# 综合梯度
viz.visualize_image_attr(ig_attr,
orig_img,
method='blended_heat_map',
sign='absolute_value',
show_colorbar=True,
title='Integrated Gradients',
plt_fig_axis=(fig, ax[1]))
# Grad-CAM 可视化
# 将7x7的热力图放大到224x224
heatmap = cv2.resize(gc_attr, (orig_img.shape[1], orig_img.shape[0]))
heatmap = np.uint8(255 * heatmap)
heatmap = cv2.applyColorMap(heatmap, cv2.COLORMAP_JET)
heatmap = cv2.cvtColor(heatmap, cv2.COLOR_BGR2RGB) / 255.0 # 转换为RGB并归一化
# 叠加热力图和原始图像
superimposed = heatmap * 0.5 + orig_img * 0.5
ax[2].imshow(superimposed)
ax[2].set_title('Layer Grad-CAM')
ax[2].axis('off')
plt.tight_layout()
plt.savefig('model_explanations.png', bbox_inches='tight', dpi=300)
plt.show()
# 5. 使用示例
if __name__ == "__main__":
# 定义猫类别(可选)
cat_classes = {
281: "Egyptian_cat",
282: "tabby_cat",
283: "tiger_cat",
284: "Persian_cat",
285: "Siamese_cat"
}
# 分析示例图像
image_path = 'cat.jpeg' # 替换为你的图像路径
input_img, ig_attr, gc_attr, pred_class = explain_model(image_path)
# 可视化结果
visualize_attributions(input_img, ig_attr, gc_attr, pred_class, cat_classes)输出为:
2. 交互式可视化(PyTorch+Plotly)
import numpy as np
import plotly.express as px
import plotly.graph_objects as go
from torchvision import models, transforms
from PIL import Image
def interactive_heatmap(attr, original_img):
"""
生成交互式热力图可视化
参数:
attr: 归因图 (H,W)或(H,W,1)
original_img: 原始图像 (H,W,3)
"""
# 确保attr是2维的
if attr.ndim == 3:
attr = attr.squeeze()
# 创建热力图
fig = px.imshow(
attr,
color_continuous_scale='RdBu',
range_color=[-np.abs(attr).max(), np.abs(attr).max()],
zmin=-3, # 标准化显示范围
zmax=3,
title="Interactive Attribution Heatmap"
)
# 添加原始图像半透明叠加
fig.add_trace(
go.Image(
z=(original_img * 255).astype(np.uint8),
opacity=0.5
)
)
# 优化布局
fig.update_layout(
width=800,
height=600,
coloraxis_showscale=True,
hovermode='closest',
xaxis_showgrid=False,
yaxis_showgrid=False
)
# 添加滑块控制透明度
fig.update_layout(
sliders=[{
'steps': [{
'method': 'restyle',
'args': ['opacity', [val]],
'label': f'{val:.1f}'
} for val in np.arange(0.1, 1.1, 0.1)],
'active': 4,
'currentvalue': {'prefix': 'Opacity: '}
}]
)
# 添加热力图/原始图切换按钮
fig.update_layout(
updatemenus=[{
'buttons': [
{'method': 'update',
'args': [{'visible': [True, False]},
{'title': 'Heatmap Only'}],
'label': 'Heatmap'},
{'method': 'update',
'args': [{'visible': [False, True]},
{'title': 'Original Only'}],
'label': 'Original'},
{'method': 'update',
'args': [{'visible': [True, True]},
{'title': 'Combined View'}],
'label': 'Combined'}
],
'direction': 'down',
'showactive': True,
}]
)
import os
print(os.getcwd())
fig.write_html("interactive_heatmap.html")
fig.show()
# 使用示例
if __name__ == "__main__":
# 1. 加载模型和图像
model = models.resnet50(weights=models.ResNet50_Weights.IMAGENET1K_V1).eval()
preprocess = transforms.Compose([
transforms.Resize(256),
transforms.CenterCrop(224),
transforms.ToTensor(),
transforms.Normalize(mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225]),
])
# 2. 加载示例图像
img_path = 'cat.jpeg'
img = Image.open(img_path).convert('RGB')
img_tensor = preprocess(img).unsqueeze(0)
# 3. 生成归因图 (示例使用随机数据)
original_img = np.array(img.resize((224, 224))) / 255.0
attr = np.random.randn(224, 224) * 2 # 模拟归因图
# 4. 交互式可视化
interactive_heatmap(attr, original_img)输出为:
五、多模态解释实践
1. 视觉-语言联合解释
import torch
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
from transformers import ViTImageProcessor, ViTModel
import torch.nn.functional as F
import plotly.graph_objects as go
from plotly.subplots import make_subplots
# 初始化ViT模型和特征提取器
feature_extractor = ViTImageProcessor.from_pretrained('google/vit-base-patch16-224')
vit = ViTModel.from_pretrained('google/vit-base-patch16-224', output_attentions=True)
patch_size = 16 # ViT-base的默认patch大小
def visualize_attention(img_path, layer_index=-1, head_index=None):
"""
可视化ViT的注意力图
参数:
img_path: 图像路径
layer_index: 要可视化的层索引(-1表示最后一层)
head_index: 特定注意力头索引(None表示平均所有头)
"""
# 1. 图像预处理
img = Image.open(img_path).convert('RGB')
inputs = feature_extractor(images=img, return_tensors="pt")
# 2. 前向传播获取注意力
with torch.no_grad():
outputs = vit(**inputs)
# 3. 处理注意力图
attentions = outputs.attentions[layer_index] # 获取指定层的注意力
if head_index is not None:
attn = attentions[0, head_index] # 选择特定头 [1, num_heads, num_patches, num_patches]
else:
attn = attentions.mean(dim=1)[0] # 平均所有头 [1, num_patches, num_patches]
# 聚焦于CLS token对其他patch的关注 (位置0是CLS token)
cls_attn = attn[0, 1:] # 忽略CLS token自身的注意力
# 4. 重塑并上采样注意力图
grid_size = int(np.sqrt(cls_attn.shape[-1]))
cls_attn = cls_attn.reshape(grid_size, grid_size)
cls_attn = F.interpolate(
cls_attn[None, None],
size=img.size[1], # 假设是正方形图像
mode='bicubic'
)[0, 0].numpy()
# 5. 可视化
fig = make_subplots(rows=1, cols=2, subplot_titles=("Original Image", "Attention Heatmap"))
# 原始图像
fig.add_trace(
go.Image(z=np.array(img)),
row=1, col=1
)
# 注意力热力图
fig.add_trace(
go.Heatmap(
z=cls_attn,
colorscale='jet',
showscale=True,
opacity=0.7
),
row=1, col=2
)
# 叠加图
fig.add_trace(
go.Heatmap(
z=cls_attn,
colorscale='jet',
showscale=False,
opacity=0.5
),
row=1, col=1
)
# 布局调整
fig.update_layout(
title_text=f"ViT Attention Visualization (Layer {layer_index})",
height=500,
width=1000,
hovermode='closest'
)
# 添加滑块选择不同层
if len(outputs.attentions) > 1:
steps = []
for i in range(len(outputs.attentions)):
steps.append({
'method': 'update',
'args': [{'z': [None, process_attn(outputs.attentions[i])]},
{'title': f"ViT Attention (Layer {i})"}],
'label': f'Layer {i}'
})
fig.update_layout(
sliders=[{
'active': layer_index if layer_index >= 0 else len(outputs.attentions) - 1,
'steps': steps,
'currentvalue': {'prefix': 'Selected Layer: '}
}]
)
fig.show()
return cls_attn
def process_attn(attention, head_index=None):
"""处理注意力矩阵的辅助函数"""
if head_index is not None:
attn = attention[0, head_index]
else:
attn = attention.mean(dim=1)[0]
cls_attn = attn[0, 1:]
grid_size = int(np.sqrt(cls_attn.shape[-1]))
cls_attn = cls_attn.reshape(grid_size, grid_size)
cls_attn = F.interpolate(
cls_attn[None, None],
size=224,
mode='bicubic'
)[0, 0].numpy()
return cls_attn
# 使用示例
if __name__ == "__main__":
# 可视化最后一层的平均注意力
attention_map = visualize_attention(
img_path="cat.jpeg", # 替换为你的图片路径
layer_index=-1, # 最后一层
head_index=None # 平均所有头
)
# 也可以保存注意力图
plt.imsave("attention_heatmap.png", attention_map, cmap='jet')六、总结与展望
本文介绍了以下核心技术:
- 基础可视化方法:Saliency Map、Grad-CAM
- 高级解释技术:特征反演、概念激活分析
- 工具链集成:Captum、Plotly交互可视化
- 多模态解释:视觉-语言联合注意力机制
在下一篇文章《多模态学习与CLIP模型》中,我们将探索如何联合理解视觉和语言信息。
关键工具推荐:
pip install captum torchcam tf-explain应用建议:
- 模型调试阶段使用Grad-CAM定位错误原因
- 产品部署时集成LIME生成局部解释
- 伦理审查时采用TCAV验证公平性
相关推荐
-
- 驱动网卡(怎么从新驱动网卡)
-
网卡一般是指为电脑主机提供有线无线网络功能的适配器。而网卡驱动指的就是电脑连接识别这些网卡型号的桥梁。网卡只有打上了网卡驱动才能正常使用。并不是说所有的网卡一插到电脑上面就能进行数据传输了,他都需要里面芯片组的驱动文件才能支持他进行数据传输...
-
2026-01-30 00:37 liuian
- win10更新助手装系统(微软win10更新助手)
-
1、点击首页“系统升级”的按钮,给出弹框,告诉用户需要上传IMEI码才能使用升级服务。同时给出同意和取消按钮。华为手机助手2、点击同意,则进入到“系统升级”功能华为手机助手华为手机助手3、在检测界面,...
- windows11专业版密钥最新(windows11专业版激活码永久)
-
Windows11专业版的正版密钥,我们是对windows的激活所必备的工具。该密钥我们可以通过微软商城或者通过计算机的硬件供应商去购买获得。获得了windows11专业版的正版密钥后,我...
-
- 手机删过的软件恢复(手机删除过的软件怎么恢复)
-
操作步骤:1、首先,我们需要先打开手机。然后在许多图标中找到带有[文件管理]文本的图标,然后单击“文件管理”进入页面。2、进入页面后,我们将在顶部看到一行文本:手机,最新信息,文档,视频,图片,音乐,收藏,最后是我们正在寻找的[更多],单击...
-
2026-01-29 23:55 liuian
- 一键ghost手动备份系统步骤(一键ghost 备份)
-
步骤1、首先把装有一键GHOST装系统的U盘插在电脑上,然后打开电脑马上按F2或DEL键入BIOS界面,然后就选择BOOT打USDHDD模式选择好,然后按F10键保存,电脑就会马上重启。 步骤...
- 怎么创建局域网(怎么创建局域网打游戏)
-
1、购买路由器一台。进入路由器把dhcp功能打开 2、购买一台交换机。从路由器lan端口拉出一条网线查到交换机的任意一个端口上。 3、两台以上电脑。从交换机任意端口拉出网线插到电脑上(电脑设置...
- 精灵驱动器官方下载(精灵驱动手机版下载)
-
是的。驱动精灵是一款集驱动管理和硬件检测于一体的、专业级的驱动管理和维护工具。驱动精灵为用户提供驱动备份、恢复、安装、删除、在线更新等实用功能。1、全新驱动精灵2012引擎,大幅提升硬件和驱动辨识能力...
- 一键还原系统步骤(一键还原系统有哪些)
-
1、首先需要下载安装一下Windows一键还原程序,在安装程序窗口中,点击“下一步”,弹出“用户许可协议”窗口,选择“我同意该许可协议的条款”,并点击“下一步”。 2、在弹出的“准备安装”窗口中,可...
- 电脑加速器哪个好(电脑加速器哪款好)
-
我认为pp加速器最好用,飞速土豆太懒,急速酷六根本不工作。pp加速器什么网页都加速,太任劳任怨了!以上是个人观点,具体性能请自己试。ps:我家电脑性能很好。迅游加速盒子是可以加速电脑的。因为有过之...
- 任何u盘都可以做启动盘吗(u盘必须做成启动盘才能装系统吗)
-
是的,需要注意,U盘的大小要在4G以上,最好是8G以上,因为启动盘里面需要装系统,内存小的话,不能用来安装系统。内存卡或者U盘或者移动硬盘都可以用来做启动盘安装系统。普通的U盘就可以,不过最好U盘...
- u盘怎么恢复文件(u盘文件恢复的方法)
-
开360安全卫士,点击上面的“功能大全”。点击文件恢复然后点击“数据”下的“文件恢复”功能。选择驱动接着选择需要恢复的驱动,选择接入的U盘。点击开始扫描选好就点击中间的“开始扫描”,开始扫描U盘数据。...
- 系统虚拟内存太低怎么办(系统虚拟内存占用过高什么原因)
-
1.检查系统虚拟内存使用情况,如果发现有大量的空闲内存,可以尝试释放一些不必要的进程,以释放内存空间。2.如果系统虚拟内存使用率较高,可以尝试增加系统虚拟内存的大小,以便更多的应用程序可以使用更多...
-
- 剪贴板权限设置方法(剪贴板访问权限)
-
1、首先打开iphone手机,触碰并按住单词或图像直到显示选择选项。2、其次,然后选取“拷贝”或“剪贴板”。3、勾选需要的“权限”,最后选择开启,即可完成苹果剪贴板权限设置。仅参考1.打开苹果手机设置按钮,点击【通用】。2.点击【键盘】,再...
-
2026-01-29 21:37 liuian
- 平板系统重装大师(平板重装win系统)
-
如果你的平板开不了机,但可以连接上电脑,那就能好办,楼主下载安装个平板刷机王到你的个人电脑上,然后连接你的平板,平板刷机王会自动识别你的平板,平板刷机王上有你平板的我刷机包,楼主点击下载一个,下载完成...
- 联想官网售后服务网点(联想官网售后服务热线)
-
联想3c服务中心是联想旗下的官方售后,是基于互联网O2O模式开发的全新服务平台。可以为终端用户提供多品牌手机、电脑以及其他3C类产品的维修、保养和保险服务。根据客户需求层次,联想服务针对个人及家庭客户...
- 一周热门
- 最近发表
- 标签列表
-
- python判断字典是否为空 (50)
- crontab每周一执行 (48)
- aes和des区别 (43)
- bash脚本和shell脚本的区别 (35)
- canvas库 (33)
- dataframe筛选满足条件的行 (35)
- gitlab日志 (33)
- lua xpcall (36)
- blob转json (33)
- python判断是否在列表中 (34)
- python html转pdf (36)
- 安装指定版本npm (37)
- idea搜索jar包内容 (33)
- css鼠标悬停出现隐藏的文字 (34)
- linux nacos启动命令 (33)
- gitlab 日志 (36)
- adb pull (37)
- python判断元素在不在列表里 (34)
- python 字典删除元素 (34)
- vscode切换git分支 (35)
- python bytes转16进制 (35)
- grep前后几行 (34)
- hashmap转list (35)
- c++ 字符串查找 (35)
- mysql刷新权限 (34)
