[Caffe-CNN]如何获得输出 w.r.t 的梯度到卷积层？

Question

我正在尝试使用 Python 实现这篇论文 - https://arxiv.org/abs/1610.02391。为此，我想获得特定类的输出相对于最后一个卷积层的梯度。我遇到了向后（）函数的以下用法。

label = np.zeros((1, 6))
label[0, interested_class] = 1
net.backward(**{net.output[0]: label}) 

假设我的网络中有六个班级。

但是它会为输入层提供梯度 w.r.t。

我尝试使用以下用法，但没有提供理想的输出。

label = np.zeros((1,6))
label[0,interested_class] = 1
net.backward(end=conv, **{net.output[0]:label}) 

准确地说，我想得到输出层 w.r.t conv 层值的梯度。

非常感谢任何帮助！

Answer 1

我通过阅读this post 和this discussion 了解了如何做到这一点。这是代码。

layer_name = 'conv' #Convolutional layer of interest
class_label= 4 # the class of interest
label = np.zeros((1,6))
label[0,interested_class] = 1    
grads= net.backward(diffs= [layer_name], **{net.outputs[0]:diff})
gradients = grads[layer_name]

希望这会有所帮助！