神经网络特征图可视化

一、原理

pytorch 中的hook可以不必改变网络输入输出的结构，方便的获取、改变网络中间层变量的值和梯度。这个功能广泛用于可视化神经网络中间层的feature、gradient。从而诊断神经网络中可能出现的问题，分析网络的有效性。

 

 这种方式会增加内存占用，因此采用hook保存中间变量的梯度。

 

 register backward hook 和register forward hook 的作用是获取神经网络反响、前向传播过程中，各个模块输入端和输出端的梯度值。

二、Grad CAM++

相对于grad cam， grad cam++的优势为：

1. 定位更准确
2. 更适合同类多目标的情况