前面部落格中介紹了怎麼樣利用MATLAB實現特徵圖的視覺化，那一篇部落格中介紹了一個對權重視覺化的部落格，本來不打算寫這個部落格了，但是我仔細看了那一篇部落格，有點繁瑣，所以我又整理了一下用MATLAB實現模型引數權重視覺化的部分，這一篇介紹對第一個卷積層權重視覺化，下一篇部落格介紹Alexnet中2到5卷積層的視覺化，請大家注意，只有卷積層才能視覺化。
通過對訓練後的模型進行視覺化可以判斷模型的優劣，怎麼判斷直接看博文後面的效果圖，一看便知。直接放MATLAB程式碼，基於Alexnet，模型是前面介紹內容訓練出來的模型，這個模型訓練的不好，從引數權重圖上就可以看出來，最後我會做一個好的和壞的第一個卷積層的引數視覺化效果圖，用於對比，如果想要視覺化其它網路模型，只需要修改相應的部分就行，這裡不再贅述。

clc;
clear;
close all;
addpath('../../../../matlab');
caffe.set_mode_cpu();
net=caffe.Net('alexnetdeploy.prototxt','cloth_iter_100000.caffemodel','test');
net.layer_names      %顯示都有哪些層
net.blob_names    
conv1_layer=net.layer_vec(1);  
blob1=conv1_layer.params(1);    %注意只有卷積層是有引數的
w=blob1.get_data();
size(w)
W=zeros(11
 
*3,11*96);
for u=1:3
    for v=1:96
        W(11*(u-1)+(1:11),11*(v-1)+(1:11))= w(:,:,u,v)';
    end
end
W=W-min(min(W));
W=W/(max(max(W)))*255;     %從0-1轉換到255
W=uint8(W);
W=[W,zeros(size(W,1),4*11)];
WW=cat(3,W(1:11,:),W(12:22,:),W(23:33,:));
W=zeros(10*12,10*12,3);
for u=1:10
    for v=1:10
        W((u-1
 
)*12+(1:11),(v-1)*12+(1:11),:)=WW(:,(u-1)*11*10+(v-1)*11+(1:11),:);
    end
end
W=uint8(W);
figure;
imshow(W);

效果圖：

上面這是一個不好的效果圖，因為圖案類似噪音太嚴重，不夠平滑，不夠美觀。

這一張權重圖是bvlc_reference_caffenet.caffemodel的權重圖，這個效果圖比較平滑，也可以觀察到一部分權重負責提取高頻灰度特徵，而另一些負責提取低頻彩色特徵。哪個好哪個壞，一看便知，這也是視覺化權重的一個重要作用。