Open ChangGuangyao opened 3 years ago
@ChangGuangyao 您好,图像复原不熟悉,grad-cam本质是梯度的注意力,整张图也可以做反向传播
@ChangGuangyao您好,图像复原不熟悉,grad-cam本质是渐变的关注,整张图也可以做反向传播
反向传播不应该是一个值吗 二维的矩阵好像没法调用.backward()方法吧
@ChangGuangyao 矩阵一样的可以反向传播的;例子如下:
x=torch.randn(3,3)
x.requires_grad_(True)
y=x*x
y.backward(torch.ones(3,3))
x.grad
@ChangGuangyao 矩阵一样的可以反向传播的;例子如下:
x=torch.randn(3,3) x.requires_grad_(True) y=x*x y.backward(torch.ones(3,3)) x.grad
谢谢大佬
您好,我也是图像超分的方向,不知道您做出用热力图做出结果了吗?我尝试用grad-cam作图,但结果远不如分类和检测的展示效果好。不知道您的损失函数放的是什么呢?
您好,我也是图像超分的方向,不知道您做出用热力图做出结果了吗?我尝试用grad-cam作图,但结果远不如分类和检测的展示效果好。不知道您的损失函数放的是什么呢?
您好,我目前也是用grad-cam做图像复原相关的grad-cam图,效果也是非常不好,请问你目前解决了吗
大佬您好 我是做图像复原的 请问热力图能应用到图像复原领域吗 如果可以的话,应该对谁进行反向传播呢 图像复原的结果是二维矩阵 并不是分类任务的一个值 求大佬指教