我对人工智能和神经网络还很陌生。我在 PyTorch 中实现了一个前馈神经网络，用于对 MNIST 数据集进行分类。现在我想可视化隐藏神经元（一个子集）的感受野。但是我在理解感受野的概念时遇到了一些问题，当我用谷歌搜索时，所有结果都是关于 CNN 的。那么任何人都可以帮助我如何在 PyTorch 中做到这一点以及如何解释结果？
【问题讨论】：
标签： neural-network pytorch receptive-field
我之前已经描述了 CNN in this answer 的感受野的概念，只是为了给你一些可能对我的实际答案有用的上下文。
您似乎也在为感受野的概念而苦苦挣扎。通常，您可以通过询问“（前一个）层表示的哪一部分正在影响我当前的输入？”这个问题来最好地理解它。
在卷积层中，计算当前层的公式仅将图像的一部分作为输入（或至少仅根据此子区域更改结果）。这正是感受野。
现在，一个全连接层，顾名思义，有一个从每一个之前隐藏状态到每一个新隐藏状态的连接，见图下面：
在这种情况下，感受野只是“每个先前的状态”（例如，在图像中，第一个绿松石层中的一个单元格受到所有黄色单元格的影响），这不是很有帮助。整个想法是拥有一个更小的子集，而不是所有可用的状态。
因此，不幸的是，我认为您关于 PyTorch 实现的问题实际上并没有多大意义，但我希望答案仍能提供一些关于该主题的清晰度。
作为后续，我还鼓励您考虑这种“连通性”的含义，尤其是在涉及可调参数的数量时。
【讨论】：