看了《Visualizing and Understanding convolutional networks》
论文中有一点不理解
概念：
某一层有多个feature maps
每个feature map对应一个kernel
每个feature map有多个nero
每个nero有一个激活值activation
可视化过程：
首先训练好模型
然后
选定某一层的某一个kernel产生的feature map中的某一个nero
然后输入训练库的所有图片，观察这个nero的activation，找出使这个nero的activation最大的9个图片
用其中一个图片作为输入得到的该层的feature maps
除了选定的kernel产生的feature map，其他feature maps的值全部置零
用这些feature maps输入反卷积网络重构图形
这样就能看出这个kernel观察的是什么特征，这个kernel产生的feature map的每个nero对这类特征的哪些具体特征感兴趣
现在大致这么理解