深度之眼PyTorch训练营第二期---13、hook函数与CAM可视化
一、hook函数概念 hook函数机制:不改变主体,实现额外功能,像一个挂件,挂钩,hook 1、torch.Tensor.register_hook(hook) 功能:注册一个反向传播hook函数 仅一个输入参数,为张量的 梯度 计算图与梯度求导 2、torch.nn.Module.register_forward_hook 功能:注册module的前向传播hook函数 参数: module:当前网络层 input:当前网络层输入数据 output:当前网络层输出数据 3、torch.nn.Module.register_forward_pre_hook 功能:注册module前向传播前的hook函数 参数: module:当前网络层 input:当前网络层输入数据 4、torch.nn.Module.register_backward_hook 功能:注册module反向传播的红藕库函数 参数: module: grad_input:当前网络层输入 梯度 数据 grad_output:当前网络层输出 梯度 数据 二、hook函数与特征图提取 三、CAM(class activation map,类激活图) Grad-CAM:CAM改进版,利用梯度作为特征图权重 来源: https://www.cnblogs.com/cola-1998/p