深度神经网络可解释性方法汇总，附Tensorflow代码实现

http://nbviewer.jupyter.org/github/1202kbs/Understanding-NN/blob/master/3.1%20Deconvolution.ipynb

3.2 Backpropagation

相关代码如下：

http://nbviewer.jupyter.org/github/1202kbs/Understanding-NN/blob/master/3.2%20Backpropagation.ipynb

3.3 Guided Backpropagation

相关代码如下：

http://nbviewer.jupyter.org/github/1202kbs/Understanding-NN/blob/master/3.3%20Guided%20Backpropagation.ipynb

3.4 Integrated Gradients

相关代码如下：

http://nbviewer.jupyter.org/github/1202kbs/Understanding-NN/blob/master/3.4%20Integrated%20Gradients.ipynb

3.5 SmoothGrad

相关代码如下：

http://nbviewer.jupyter.org/github/1202kbs/Understanding-NN/blob/master/3.5%20SmoothGrad.ipynb

类激活映射的方法有3种，分别为：Class Activation Map、Grad-CAM、 Grad-CAM++。在MNIST上的代码可以参考：

https://github.com/deepmind/mnist-cluttered

每种方法的详细信息如下：

4.1 Class Activation Map

相关代码如下：

http://nbviewer.jupyter.org/github/1202kbs/Understanding-NN/blob/master/4.1%20CAM.ipynb

4.2 Grad-CAM

相关代码如下：

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!