# Carpeta donde guarda las imagenes de los filtros
# save_dir = make_dirs_noreplace(os.path.join(
# 'filtros', os.path.splitext(nombre_modelo)[0]))
save_dir = os.path.join(carpeta, 'filtros')
os.makedirs(save_dir)
# Itero sobre todos los filtros de las capas convolutivas
for capa_ind, nombre in enumerate(nombres):
print('Corriendo capa ' + nombre)
# Cantidad de filtros en esta capa
cant_filtros = modelo.layers[capa_ind].output_shape[
3] #cant de filtros
# Una grilla donde meto las imagenes de cada filtro
g = Grid(cant_filtros, fill_with=np.nan, trasponer=True)
# Proceso los filtros y los meto en la grilla
for filtro_ind in range(cant_filtros):
channel_filter = generate_pattern(nombre, filtro_ind, modelo)
channel_filter = np.squeeze(channel_filter)
# channel_filter es la imagen en cuestión
g.insert_image(channel_filter)
# plt.imshow(g.grid)
g.show()
nombre = new_name(
os.path.join(save_dir, 'filtros_{}.jpg'.format(nombre)))
plt.savefig(nombre, bbox='tight', dpi=400)
plt.close()
#normalizo la imagen
im -= im.mean()
im /= (im.std() + 1e-5) #por si tengo cero
im *= desv
#la llevo a 8 bits
im *= 64
im += 128
im = np.clip(im, 0,
255).astype('uint8') #corta todo por fuera de la escala
return im
#%%
activations = np.load('activations.npz')
activations = [v for v in activations.values()]
for layer_activation in activations: #zip simplemente me da dos iteradores
n_features = layer_activation.shape[-1] #cant de filtros
size = layer_activation.shape[
1] #tamaño del filtro de la capa (es cuadrado)
g = Grid(n_features, fill_with=0)
for ch_image in range(n_features):
channel_image = layer_activation[0, :, :, ch_image]
g.insert_image(bitificar8(channel_image, 2))
g.show()
# plt.title('{0}: {1}x{1}'.format(layer_name,size-1))
plt.grid(False)