Supongo que está intentando visualizar estas características para comprender lo que la red ha aprendido. Aquí hay al menos dos opciones:
- Simplemente diseñe cada canal individualmente. Entonces, si su núcleo tiene forma (5,4,11,11) donde 11 x 11 es la altura x el ancho, 4 en el número de canales de entrada y 5 el número de canales de salida, podría imprimir 5 × 4 = 20 imágenes diferentes de tamaño 11 x 11 y mírelas directamente en escala de grises (canal único). Podría ponerlos en 5 filas (las diferentes características de salida) de 4 columnas cada una (las características de entrada), por ejemplo. Esa es una imagen de 5 x 4 x 11 x 11 = 2,420 píxeles, o 55 x 44. Este enfoque puede funcionar incluso para núcleos más grandes, digamos, (32, 16, 11, 11), sigue siendo solo una imagen de 353 x 176 píxeles.
- Si realmente tiene una gran cantidad de canales (por ejemplo, más de 300), podría usar algo como PCA para reducir la dimensionalidad de los canales de entrada y visualizar las mayores dimensiones de variación. Sin embargo, no estoy seguro de cuánta información obtendrías de esa manera.
