前言

类激活图CAM(class activation mapping)用于可视化深度学习模型的感兴趣区域，增加了神经网络的可解释性。现在常用Grad-CAM可视化，Grad-CAM基于梯度计算激活图，对比传统的CAM更加灵活，且不需要修改模型结构。

虽然计算grad-cam并不复杂，但是本着能导包就导包的原则，想着去用现成的库。

pip install grad-cam

官方文档，开源仓库

简单试用

加载模型和预训练权重

这里使用PyTorch官方提供的在ImageNet上预训练的Resnet50。注意：这里使用现成的模型参数，也需要用它们提供的图片预处理方式

from torchvision.models import resnet50, ResNet50_Weights# 加载ResNet模型和预训练权重weights = ResNet50_Weights.DEFAULTmodel = resnet50(weights=weights)model.eval()preprocess = weights.transforms() # 图片预处理方法 简单读入一张图片

from PIL import Imagesrc = bird.jpgimg = Image.open(src)print(fThe Image size:{img.size})img_tensor = preprocess(img)print(fThe shape of image preprocessed: {img_tensor.shape})

Output

The Image size:(474, 315)The shape of image preprocessed: torch.Size([3, 224, 224]) 计算Grad-CAM rom pytorch_grad_cam import GradCAMgrad_cam = GradCAM(model=model, target_layers=[model.layer4[-1]]) cam = grad_cam(input_tensor=img_tensor.unsqueeze(0)) # 输入的Shape: B x C x H x Wprint(fCam.shape: {cam.shape})print(fCam.max: {cam.max()}, Cam.min: {cam.min()})

Output

Cam.shape: (1, 224, 224)Cam.max: 0.9999998807907104, Cam.min: 0.0

这里可以看到计算的CAM值的区间是[0, 1]，一些处理长尾数据的图像增强的方法，通过CAM的值与原图像相乘，得到图像的主体或背景（上下文）。

可视化 from pytorch_grad_cam.utils.image import show_cam_on_imageimport uuidimport numpy as npimport torchdef vis_cam(cam: np.ndarray, input_tensor: torch.Tensor): def normalization(x: np.ndarray, scale=1): # 归一化 x_min = np.min(x) x_max = np.max(x) return (x - x_min) / (x_max - x_min) * scale # 底层是cv2实现的所以要求图像形状为 H x W x C input_tensor= input_tensor.permute(1, 2, 0).numpy() norm_img = normalization(input_tensor) # 可视化不支持batch，所以要取cam第一个 vis = show_cam_on_image(norm_img, cam[0], use_rgb=True) vis_img = Image.fromarray(vis) vis_img.save(fcam_{uuid.uuid1()}.jpg) return visvis1 = vis_cam(cam, img_tensor)

结果如下，由于图像经过了预处理，size变味了224x224，所以CAM的大小也是这个尺寸。

另外，这个库也提供了其他CAM方法，如GradCAMElementWise，与Grad-CAM相似，将激活值与梯度逐元素相乘，然后在求和之前应用 ReLU 运算。但是简单使用后，肉眼没有察觉差异： from pytorch_grad_cam import GradCAMElementWisegrad_cam = GradCAMElementWise(model=model, target_layers=[model.layer4[-1]])cam = grad_cam(input_tensor=img_tensor.unsqueeze(0)) # 输入的Shape: B x C x H x Wvis2 = vis_cam(cam, img_tensor)

将它们做一个横向对比，从左至右分别是原图、GradCAM，GradCAMElementWise

img_hstack = np.hstack([img.resize(size=(224, 224)), vis1, vis2])Image.fromarray((img_hstack).astype(np.uint8)).save(cam_compare.jpg)

其他

有一点很重要，但是文中并没有使用，关于ClassifierOutputTarget的使用，文档中它的一种用法：

cam = GradCAM(model=model, target_layers=target_layers, use_cuda=args.use_cuda)targets = [ClassifierOutputTarget(281)]grayscale_cam = cam(input_tensor=input_tensor, targets=targets)

输入的参数是图片对应的target，也就是one-hot标签里面的1的下标，但由于使用的是预训练模型，所以不知道具体的标签。而当cam这里的targets=None时，会自动选择得分最高的类。

关于grad-cam还有许多功能，这里仅仅介绍了计算cam和可视化的部分。

运行环境

grad-cam 1.5.0 pypi_0 pypipytorch 2.2.2 py3.12_cuda12.1_cudnn8_0 pytorch