事物的发展是有规律的（如果时间紧急可以跳过），或许下面的博客可以启发您
有些理论11.首先选择某一层特征图，用register_forward_hook拿到该特征图。2.对该特征图中心坐标，在batch和channel维度求均值。3.对求得的值进行backward，并得到输入张量的梯度。4.如果输入张量为彩色图像，对batch和channel维度算均值，得到的应该是一个二维的张量。5.随机选择一定数量的输入图像，执行第一步到第四步，并将第四步得到所有的张量进行累加并进行归一化。6.对归一化后的二维张量转成numpy，用cv2.applyColorMap转成伪彩图进行可视化。
有些理论2 计算感受野除此之外百度最多的就是计算的数值了
经典计算
我参考的是如下一篇论文的可视化代码
论文《Scaling Up Your Kernels to 31x31: Revisiting Large Kernel Design in CNNs》论文地址
PyTorch 代码和模型
作者的可视化是这样的
我最后对于resnet34的可视化是这样的
论文的可视化部分就在visualize_erf.py和analyze_erf.py两个文件里。改成自己对应的数据和网络。
注意网络的维数输出一定要是4维的！！（对于如果你是分类任务那你就把网络后面的给注释了）
其他基本就没有改动了，直接用这两个文件就可做到可视化了
