图像分类可解释性分析实战-Captum工具包
合集 · 两天搞定人工智能毕业设计之【图像分类】 (16)
-
构建自己的图像分类数据集【两天搞定AI毕设】
35:07
-
Pytorch预训练图像分类模型识别预测【两天搞定AI毕设】
37:55
-
Pytorch迁移学习训练自己的图像分类模型【两天搞定AI毕设】
51:15
-
用训练得到的pytorch图像分类模型,识别图像、视频、摄像头画面【两天搞定AI毕设】
16:46
-
测试集上评估Pytorch训练得到的图像分类模型【两天搞定AI毕业设计】
24:49
-
图像分类测试集语义特征降维可视化
30:20
-
图像分类可解释性分析实战-CAM热力图系列算法
46:34
-
图像分类可解释性分析实战-Deep Feature Factorization
10:50
-
图像分类可解释性分析实战-Captum工具包
13:12
-
图像分类可解释性分析实战-shap工具包
49:01
-
图像分类可解释性分析实战-lime工具包
14:58
-
图像分类模型部署-Pytorch转ONNX
16:41
-
Pytorch图像分类模型部署-ONNX Runtime本地终端推理
23:01
-
Pytorch图像分类部署-ONNX Runtime安卓手机APP
16:33
-
Pytorch图像分类部署-ONNX Runtime浏览器Web前端
6:04
-
AidLux图像分类部署-安卓鸿蒙高通ARM
34:14
Description
【同济子豪兄“两天搞定图像分类AI毕业设计”公开课】 视频合集:https://space.bilibili.com/1900783/channel/collectiondetail?sid=606800 代码:https://github.com/TommyZihao/Train_Custom_Dataset 图像分类可解释性分析实战-Captum工具包 对Pytorch预训练ImageNet图像分类模型,和自己训练得到的水果图像分类模型,通过遮挡、像素梯度等方法,进行可解释性分析和显著性分析。 使用Meta开源的Captum工具包,基于遮挡敏感性分析、Integrated Gradients、GradientShap、Feature Ablation等可解释性分析方法,观察神经网络预测指定类别时的“脑回路”和“注意力”,剖析深度学习黑箱子,知其然也知其所以然。 【同济子豪兄可解释机器学习公开课】 包含人工智能可解释性、显著性分析领域的导论、算法综述、经典论文精读、代码实战、前沿讲座。 视频合集:https://space.bilibili.com/1900783/channel/collectiondetail?sid=713364
Comments
子豪兄 强烈要求讲解对抗样本[doge]
♥ 7 ↩ 1
shap的发音应该是 【ʃæp】吧,来源于shapley value。
♥ 2
回归部分可以解释么,子豪兄[奋斗]
♥ 2 ↩ 1
子豪兄,只有背景和前景的语义分割可以采用最后介绍的实例分割的可解释性方法吗,还是说这种只用背景和前景的不需要进行可解释性呢
有小伙伴知道这个什么问题怎么解决吗? 在中等遮挡滑块时候最后一步,报错ValueError: keyword grid_b is not recognized,valid keywords are ['size', 'width', 'color', 'tickdir', 'pad', 'labelsize', 'labelcolor', 'zorder'。。。。
↩ 3
老哥,这个平台还需要下载pytorch吗?今儿我用了,不用下载啊
↩ 1
子豪兄 换了大显存的显卡还oom是怎么回事?
↩ 1
子豪兄,我记得你讲过什么平台用写代码,什么平台不用写代码就能训练,我找不到了,可以提醒一下在哪个视频里吗
↩ 2
催更催更
ModuleNotFoundError: No module named 'captum' 明明有这个包呀,大佬们求解
大佬 什么时候有目标检测啊
请问有没有深度互学习+ transformer的论文
草莓那里为什么遮挡草莓之外的边缘的时候影响那么大
↩ 1