grad-cam

本文探讨了深度神经网络可解释性中的热力图可视化技术，详细解析了Grad-CAM的实现原理，即通过反向传播获取目标类别的梯度信息，对特征图进行加权融合，最终生成可视化热力图。代码部分展示了如何提取中间层激活与梯度，通过梯度加权实现分类任务的热力图生成，最后提供了常见显示异常和非分类任务的可视化问题的解决方案