Captum：使用Captum探索PyTorch模型的可解释性-源码
资本
使用Captum探索PyTorch模型的可解释性
Captum可帮助ML研究人员更轻松地实现可与PyTorch模型进行交互的可解释性算法。对于模型开发人员而言，Captum可用于通过识别有助于模型输出的不同特征来改进模型和对模型进行故障排除，从而设计出更好的模型并进行故障排除意外的模型输出。（ ）
在这里，我们将解释Resnet模型对图像的预测，并使用归因技术（例如Captum提供的“集成梯度”和“遮挡”）来比较结果。
方案1-通过PyTorch模型进行正确的预测
在这里，输入图像是企鹅，模型预测是预期的“企鹅王”。
归因输出：综合梯度-
文件下载
评论信息
其他资源
- TOGAF9 口袋书中文版.PDF
- 安全基线检查表
- yolov3的java调用示例
- Buck变换器开闭环仿真（大信号+传函）
- C++中文分词系统代码
- 金星放射影像工作站（带注册机）
- 信息光学数字实验室
- 打车app后台服务器管理系统
- javaRSA加密C++RSA解密
- 利用矩阵键盘控制51单片机LCD12864显示的数字时钟
- 2018高级软件工程_复习题_国科大
- TN05.ELF.Format.Summary.pdf(ELF文件格式分析)
- 各种路由器的不死breed
- graphql-playground-源码
- 结合领域驱动设计的SOA分布式软件架构
- BarTender.zh-CHS.chm
- 百度文库每天评分V4.2
- WinRAR 3.30 简体中文版
- JavaWeb国际化实例
- 自动化学会推荐期刊.pdf
- 西电数据挖掘上机作业--基于决策树的分类算法，属性的选择采用ID3 或C4.5策略，采用如下的数据建立分类决策树。
- .net印刷行业ERP系统源码20171210
- viewspecpro 安装文件
- Visual Prolog语言教程.pdf
- bug记录文档模板
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明