原书出处
深度学习详解
18 可解释性机器学习 18.4 可解释性机器学习中的局部解释
其实,可解释性机器学习的显著图还可以画得更好——使用一种名为SmoothGrad[1]的方法,如图18.4 所示.图片中是羚羊,所以我们希望机器把主要精力集中在羚羊身上. 如果使用前面介绍的方法直接画显著图的话,得到的结果可能是中间图的样子.羚羊的附近有比较多的亮点,但是其他地方也有一些噪声. SmoothGrad 解决了这个问题.使用SmoothGrad 方法可以减少显著图中的噪声,使得大多数的亮点集中在羚羊身上.SmoothGrad 方法是怎么做的呢?其实就是在图片上添加各种不同的噪声,得到不同的图片. 接下来在每一张图片上计算显著图,如果添加 100 种噪声,就会有 100 张显著图,平均起来就得到了 SmoothGrad 显著图.
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter18.xhtml
EPUB SHA-256:35d2d4b7de742e0ce7756e7fb57c534014bf33cecdf0483a75e23cb7446cb7dc