我试着理解这篇文章
https://distill.pub/2017/feature-visualization/我也试着进入代码https://github.com/tensorflow/lucid并检查其他文章和视频
我仍然不明白我们如何根据某个神经元来优化输入噪声图像？或者根据层次。。。我们如何"；忽略"；当我们试图优化并只看到对我们感兴趣的神经元/层的效果时，其他神经元？我们怎么能说"；好的，生成这个优化神经元/层激活的图像"；？这些生成的图像(表示)如何受到其他神经元的影响(我们能操纵它们吗？如果是，如何选择其他神经元的效果水平？如果是的，如果我们能调整前一层中的每个神经元，每次都能看到新的表示，我们如何理解一些东西)？输入上的乘法权重和这种优化之间有什么区别？有人能分享有关它的信息吗？
p.s抱歉阅读时间过长；神经元；单词
好的，这就是我发现的https://github.com/greentfrapp/lucenthttps://github.com/Mayukhdeb/torch-dreams
如果我在pytorch中理解正确，这更容易实现，因为register_backward_hook函数为您提供了检索层输出的简单方法。。。