版权声明：如需转载请评论告知并标明出处 https://blog.csdn.net/ShuqiaoS/article/details/83410381
Caffe可视化（二）：权重及输出可视化（用Deep Visualization Toolbox实现）
本文记录了博主在研究Caffe权重及输出可视化过程中发现的工具包，包括工具包的安装、使用和调整（以适应自定义网络）的相关内容。更新于2018.10.26。
文章目录
Deep Visualization toolbox 工具包
介绍
这个工具包可以实现在caffe框架下搭建的神经网络的可视化。工具包的GitHub链接请点击这里，同时工具包也提供了网页版的简介和论文形式的正式介绍。
工具包运行的窗口是这样的：
安装
第一步：配置Caffe
如果电脑上没有安装Caffe应首先配置好Caffe。除了按照官方的安装说明配置外，为了实现toolbox的功能，还需要对官方Caffe做一点修改。
在安装好Caffe后，cd到Caffe的目录下，运行：
$ git remote add yosinski https://github.com/yosinski/caffe.git
$ git fetch --all
$ git checkout --track -b deconv-deep-vis-toolbox yosinski/deconv-deep-vis-toolbox
$ < edit Makefile.config to suit your system if not already done in Step 0 >
$ make clean
$ make -j
$ make -j pycaffe
注意：博主没有运行上面的命令，因为默认需要的东西博主电脑中已经安装好了。
第二步：安装必要的依赖
对于Ubuntu系统，运行下面的命令：
$ sudo apt-get install python-opencv scipy python-skimage
第三步：下载并编译Deep visualization Toolbox
可以将这个工具包放在任意需要的位置，运行下面的命令下载：
$ git clone https://github.com/yosinski/deep-visualization-toolbox
$ cd deep-visualization-toolbox
将设置文件复制一份到工具包目录下：
$ cp models/caffenet-yos/settings_local.template-caffenet-yos.py settings_local.py
根据电脑的情况修改settings_local.py文件的配置（主要是各种目录）。
之后应该就可以正常运行了。为了看到提供的demo，需要下载图片和模型（约需要230M+1.1GB内存）：
$ cd models/caffenet-yos/
$ ./fetch.sh
$ cd ../..
第四步：运行工具包
命令：
$ ./run_toolbox.py
按h键可以看到说明。
下面是博主电脑上的运行效果：
用j,l,i,k键控制光标的上下左右移动：
实现自己模型的可视化
这一部分博主还在实践，等成功以后会来更新。