深度学习Caffe实战（16）MATLAB实现模型参数权重可视化

前面博客中介绍了怎么样利用MATLAB实现特征图的可视化，那一篇博客中介绍了一个对权重可视化的博客，本来不打算写这个博客了，但是我仔细看了那一篇博客，有点繁琐，所以我又整理了一下用MATLAB实现模型参数权重可视化的部分，这一篇介绍对第一个卷积层权重可视化，下一篇博客介绍Alexnet中2到5卷积层的可视化，请大家注意，只有卷积层才能可视化。
通过对训练后的模型进行可视化可以判断模型的优劣，怎么判断直接看博文后面的效果图，一看便知。直接放MATLAB代码，基于Alexnet，模型是前面介绍内容训练出来的模型，这个模型训练的不好，从参数权重图上就可以看出来，最后我会做一个好的和坏的第一个卷积层的参数可视化效果图，用于对比，如果想要可视化其它网络模型，只需要修改相应的部分就行，这里不再赘述。

clc;
clear;
close all;
addpath('../../../../matlab');
caffe.set_mode_cpu();
net=caffe.Net('alexnetdeploy.prototxt','cloth_iter_100000.caffemodel','test');
net.layer_names      %显示都有哪些层
net.blob_names    
conv1_layer=net.layer_vec(1);  
blob1=conv1_layer.params(1);    %注意只有卷积层是有参数的
w=blob1.get_data();
size(w)
W=zeros(11*3,11*96);
for u=1:3
    for v=1:96
        W(11*(u-1)+(1:11),11*(v-1)+(1:11))= w(:,:,u,v)';
    end
end
W=W-min(min(W));
W=W/(max(max(W)))*255;     %从0-1转换到255
W=uint8(W);
W=[W,zeros(size(W,1),4*11)];
WW=cat(3,W(1:11,:),W(12:22,:),W(23:33,:));
W=zeros(10*12,10*12,3);
for u=1:10
    for v=1:10
        W((u-1)*12+(1:11),(v-1)*12+(1:11),:)=WW(:,(u-1)*11*10+(v-1)*11+(1:11),:);
    end
end
W=uint8(W);
figure;
imshow(W);

效果图：

上面这是一个不好的效果图，因为图案类似噪音太严重，不够平滑，不够美观。

这一张权重图是bvlc_reference_caffenet.caffemodel的权重图，这个效果图比较平滑，也可以观察到一部分权重负责提取高频灰度特征，而另一些负责提取低频彩色特征。哪个好哪个坏，一看便知，这也是可视化权重的一个重要作用。