In [1]:

    

import numpy
import os
from scipy.misc import toimage
%matplotlib inline
from IPython.display import Image
feature_path = "../../featuremaps"


    

In [2]:

    

os.listdir(feature_path)


    

    
Out[2]:





['.data.npy.VUqUOl',
 '.DS_Store',
 'b1c1.png',
 'b1c1_0.png',
 'b1c1_1.png',
 'b1c1_10.png',
 'b1c1_100.png',
 'b1c1_101.png',
 'b1c1_102.png',
 'b1c1_103.png',
 'b1c1_104.png',
 'b1c1_105.png',
 'b1c1_106.png',
 'b1c1_107.png',
 'b1c1_108.png',
 'b1c1_109.png',
 'b1c1_11.png',
 'b1c1_110.png',
 'b1c1_111.png',
 'b1c1_112.png',
 'b1c1_113.png',
 'b1c1_114.png',
 'b1c1_115.png',
 'b1c1_116.png',
 'b1c1_117.png',
 'b1c1_118.png',
 'b1c1_119.png',
 'b1c1_12.png',
 'b1c1_120.png',
 'b1c1_121.png',
 'b1c1_122.png',
 'b1c1_123.png',
 'b1c1_124.png',
 'b1c1_125.png',
 'b1c1_126.png',
 'b1c1_127.png',
 'b1c1_128.png',
 'b1c1_129.png',
 'b1c1_13.png',
 'b1c1_130.png',
 'b1c1_131.png',
 'b1c1_132.png',
 'b1c1_133.png',
 'b1c1_134.png',
 'b1c1_135.png',
 'b1c1_136.png',
 'b1c1_137.png',
 'b1c1_138.png',
 'b1c1_139.png',
 'b1c1_14.png',
 'b1c1_140.png',
 'b1c1_141.png',
 'b1c1_142.png',
 'b1c1_143.png',
 'b1c1_144.png',
 'b1c1_145.png',
 'b1c1_146.png',
 'b1c1_147.png',
 'b1c1_148.png',
 'b1c1_149.png',
 'b1c1_15.png',
 'b1c1_150.png',
 'b1c1_151.png',
 'b1c1_152.png',
 'b1c1_153.png',
 'b1c1_154.png',
 'b1c1_155.png',
 'b1c1_156.png',
 'b1c1_157.png',
 'b1c1_158.png',
 'b1c1_159.png',
 'b1c1_16.png',
 'b1c1_160.png',
 'b1c1_161.png',
 'b1c1_162.png',
 'b1c1_163.png',
 'b1c1_164.png',
 'b1c1_165.png',
 'b1c1_166.png',
 'b1c1_167.png',
 'b1c1_168.png',
 'b1c1_169.png',
 'b1c1_17.png',
 'b1c1_170.png',
 'b1c1_171.png',
 'b1c1_172.png',
 'b1c1_173.png',
 'b1c1_174.png',
 'b1c1_175.png',
 'b1c1_176.png',
 'b1c1_177.png',
 'b1c1_178.png',
 'b1c1_179.png',
 'b1c1_18.png',
 'b1c1_180.png',
 'b1c1_181.png',
 'b1c1_182.png',
 'b1c1_183.png',
 'b1c1_184.png',
 'b1c1_185.png',
 'b1c1_186.png',
 'b1c1_187.png',
 'b1c1_188.png',
 'b1c1_189.png',
 'b1c1_19.png',
 'b1c1_190.png',
 'b1c1_191.png',
 'b1c1_192.png',
 'b1c1_193.png',
 'b1c1_194.png',
 'b1c1_195.png',
 'b1c1_196.png',
 'b1c1_197.png',
 'b1c1_198.png',
 'b1c1_199.png',
 'b1c1_2.png',
 'b1c1_20.png',
 'b1c1_200.png',
 'b1c1_201.png',
 'b1c1_202.png',
 'b1c1_203.png',
 'b1c1_204.png',
 'b1c1_205.png',
 'b1c1_206.png',
 'b1c1_207.png',
 'b1c1_208.png',
 'b1c1_209.png',
 'b1c1_21.png',
 'b1c1_210.png',
 'b1c1_211.png',
 'b1c1_212.png',
 'b1c1_213.png',
 'b1c1_214.png',
 'b1c1_215.png',
 'b1c1_216.png',
 'b1c1_217.png',
 'b1c1_218.png',
 'b1c1_219.png',
 'b1c1_22.png',
 'b1c1_220.png',
 'b1c1_221.png',
 'b1c1_222.png',
 'b1c1_223.png',
 'b1c1_224.png',
 'b1c1_225.png',
 'b1c1_226.png',
 'b1c1_227.png',
 'b1c1_228.png',
 'b1c1_229.png',
 'b1c1_23.png',
 'b1c1_230.png',
 'b1c1_231.png',
 'b1c1_232.png',
 'b1c1_233.png',
 'b1c1_234.png',
 'b1c1_235.png',
 'b1c1_236.png',
 'b1c1_237.png',
 'b1c1_238.png',
 'b1c1_239.png',
 'b1c1_24.png',
 'b1c1_240.png',
 'b1c1_241.png',
 'b1c1_242.png',
 'b1c1_243.png',
 'b1c1_244.png',
 'b1c1_245.png',
 'b1c1_246.png',
 'b1c1_247.png',
 'b1c1_248.png',
 'b1c1_249.png',
 'b1c1_25.png',
 'b1c1_250.png',
 'b1c1_251.png',
 'b1c1_252.png',
 'b1c1_253.png',
 'b1c1_254.png',
 'b1c1_255.png',
 'b1c1_256.png',
 'b1c1_257.png',
 'b1c1_258.png',
 'b1c1_259.png',
 'b1c1_26.png',
 'b1c1_260.png',
 'b1c1_261.png',
 'b1c1_262.png',
 'b1c1_263.png',
 'b1c1_264.png',
 'b1c1_265.png',
 'b1c1_266.png',
 'b1c1_267.png',
 'b1c1_268.png',
 'b1c1_269.png',
 'b1c1_27.png',
 'b1c1_270.png',
 'b1c1_271.png',
 'b1c1_272.png',
 'b1c1_273.png',
 'b1c1_274.png',
 'b1c1_275.png',
 'b1c1_276.png',
 'b1c1_277.png',
 'b1c1_278.png',
 'b1c1_279.png',
 'b1c1_28.png',
 'b1c1_280.png',
 'b1c1_281.png',
 'b1c1_282.png',
 'b1c1_283.png',
 'b1c1_284.png',
 'b1c1_285.png',
 'b1c1_286.png',
 'b1c1_287.png',
 'b1c1_288.png',
 'b1c1_289.png',
 'b1c1_29.png',
 'b1c1_290.png',
 'b1c1_291.png',
 'b1c1_292.png',
 'b1c1_293.png',
 'b1c1_294.png',
 'b1c1_295.png',
 'b1c1_296.png',
 'b1c1_297.png',
 'b1c1_298.png',
 'b1c1_299.png',
 'b1c1_3.png',
 'b1c1_30.png',
 'b1c1_300.png',
 'b1c1_301.png',
 'b1c1_302.png',
 'b1c1_303.png',
 'b1c1_304.png',
 'b1c1_305.png',
 'b1c1_306.png',
 'b1c1_307.png',
 'b1c1_308.png',
 'b1c1_309.png',
 'b1c1_31.png',
 'b1c1_310.png',
 'b1c1_311.png',
 'b1c1_312.png',
 'b1c1_313.png',
 'b1c1_314.png',
 'b1c1_315.png',
 'b1c1_316.png',
 'b1c1_317.png',
 'b1c1_318.png',
 'b1c1_319.png',
 'b1c1_32.png',
 'b1c1_320.png',
 'b1c1_321.png',
 'b1c1_322.png',
 'b1c1_323.png',
 'b1c1_324.png',
 'b1c1_325.png',
 'b1c1_326.png',
 'b1c1_327.png',
 'b1c1_328.png',
 'b1c1_329.png',
 'b1c1_33.png',
 'b1c1_330.png',
 'b1c1_331.png',
 'b1c1_332.png',
 'b1c1_333.png',
 'b1c1_334.png',
 'b1c1_335.png',
 'b1c1_336.png',
 'b1c1_337.png',
 'b1c1_338.png',
 'b1c1_339.png',
 'b1c1_34.png',
 'b1c1_340.png',
 'b1c1_341.png',
 'b1c1_342.png',
 'b1c1_343.png',
 'b1c1_344.png',
 'b1c1_345.png',
 'b1c1_346.png',
 'b1c1_347.png',
 'b1c1_348.png',
 'b1c1_349.png',
 'b1c1_35.png',
 'b1c1_350.png',
 'b1c1_351.png',
 'b1c1_352.png',
 'b1c1_353.png',
 'b1c1_354.png',
 'b1c1_355.png',
 'b1c1_356.png',
 'b1c1_357.png',
 'b1c1_358.png',
 'b1c1_359.png',
 'b1c1_36.png',
 'b1c1_360.png',
 'b1c1_361.png',
 'b1c1_362.png',
 'b1c1_363.png',
 'b1c1_364.png',
 'b1c1_365.png',
 'b1c1_366.png',
 'b1c1_367.png',
 'b1c1_368.png',
 'b1c1_369.png',
 'b1c1_37.png',
 'b1c1_370.png',
 'b1c1_371.png',
 'b1c1_372.png',
 'b1c1_373.png',
 'b1c1_374.png',
 'b1c1_375.png',
 'b1c1_376.png',
 'b1c1_377.png',
 'b1c1_378.png',
 'b1c1_379.png',
 'b1c1_38.png',
 'b1c1_380.png',
 'b1c1_381.png',
 'b1c1_382.png',
 'b1c1_383.png',
 'b1c1_384.png',
 'b1c1_385.png',
 'b1c1_386.png',
 'b1c1_387.png',
 'b1c1_388.png',
 'b1c1_389.png',
 'b1c1_39.png',
 'b1c1_390.png',
 'b1c1_391.png',
 'b1c1_392.png',
 'b1c1_393.png',
 'b1c1_394.png',
 'b1c1_395.png',
 'b1c1_396.png',
 'b1c1_397.png',
 'b1c1_398.png',
 'b1c1_399.png',
 'b1c1_4.png',
 'b1c1_40.png',
 'b1c1_400.png',
 'b1c1_401.png',
 'b1c1_402.png',
 'b1c1_403.png',
 'b1c1_404.png',
 'b1c1_405.png',
 'b1c1_406.png',
 'b1c1_407.png',
 'b1c1_408.png',
 'b1c1_409.png',
 'b1c1_41.png',
 'b1c1_410.png',
 'b1c1_411.png',
 'b1c1_412.png',
 'b1c1_413.png',
 'b1c1_414.png',
 'b1c1_415.png',
 'b1c1_416.png',
 'b1c1_417.png',
 'b1c1_418.png',
 'b1c1_419.png',
 'b1c1_42.png',
 'b1c1_420.png',
 'b1c1_421.png',
 'b1c1_422.png',
 'b1c1_423.png',
 'b1c1_424.png',
 'b1c1_425.png',
 'b1c1_426.png',
 'b1c1_427.png',
 'b1c1_428.png',
 'b1c1_429.png',
 'b1c1_43.png',
 'b1c1_430.png',
 'b1c1_431.png',
 'b1c1_432.png',
 'b1c1_433.png',
 'b1c1_434.png',
 'b1c1_435.png',
 'b1c1_436.png',
 'b1c1_437.png',
 'b1c1_438.png',
 'b1c1_439.png',
 'b1c1_44.png',
 'b1c1_440.png',
 'b1c1_441.png',
 'b1c1_442.png',
 'b1c1_443.png',
 'b1c1_444.png',
 'b1c1_445.png',
 'b1c1_446.png',
 'b1c1_447.png',
 'b1c1_448.png',
 'b1c1_449.png',
 'b1c1_45.png',
 'b1c1_450.png',
 'b1c1_451.png',
 'b1c1_452.png',
 'b1c1_453.png',
 'b1c1_454.png',
 'b1c1_455.png',
 'b1c1_456.png',
 'b1c1_457.png',
 'b1c1_458.png',
 'b1c1_459.png',
 'b1c1_46.png',
 'b1c1_460.png',
 'b1c1_461.png',
 'b1c1_462.png',
 'b1c1_463.png',
 'b1c1_464.png',
 'b1c1_465.png',
 'b1c1_466.png',
 'b1c1_467.png',
 'b1c1_468.png',
 'b1c1_469.png',
 'b1c1_47.png',
 'b1c1_470.png',
 'b1c1_471.png',
 'b1c1_472.png',
 'b1c1_473.png',
 'b1c1_474.png',
 'b1c1_475.png',
 'b1c1_476.png',
 'b1c1_477.png',
 'b1c1_478.png',
 'b1c1_479.png',
 'b1c1_48.png',
 'b1c1_480.png',
 'b1c1_481.png',
 'b1c1_482.png',
 'b1c1_483.png',
 'b1c1_484.png',
 'b1c1_485.png',
 'b1c1_486.png',
 'b1c1_487.png',
 'b1c1_488.png',
 'b1c1_489.png',
 'b1c1_49.png',
 'b1c1_490.png',
 'b1c1_491.png',
 'b1c1_492.png',
 'b1c1_493.png',
 'b1c1_494.png',
 'b1c1_495.png',
 'b1c1_496.png',
 'b1c1_497.png',
 'b1c1_498.png',
 'b1c1_499.png',
 'b1c1_5.png',
 'b1c1_50.png',
 'b1c1_500.png',
 'b1c1_501.png',
 'b1c1_502.png',
 'b1c1_503.png',
 'b1c1_504.png',
 'b1c1_505.png',
 'b1c1_506.png',
 'b1c1_507.png',
 'b1c1_508.png',
 'b1c1_509.png',
 'b1c1_51.png',
 'b1c1_510.png',
 'b1c1_511.png',
 'b1c1_52.png',
 'b1c1_53.png',
 'b1c1_54.png',
 'b1c1_55.png',
 'b1c1_56.png',
 'b1c1_57.png',
 'b1c1_58.png',
 'b1c1_59.png',
 'b1c1_6.png',
 'b1c1_60.png',
 'b1c1_61.png',
 'b1c1_62.png',
 'b1c1_63.png',
 'b1c1_64.png',
 'b1c1_65.png',
 'b1c1_66.png',
 'b1c1_67.png',
 'b1c1_68.png',
 'b1c1_69.png',
 'b1c1_7.png',
 'b1c1_70.png',
 'b1c1_71.png',
 'b1c1_72.png',
 'b1c1_73.png',
 'b1c1_74.png',
 'b1c1_75.png',
 'b1c1_76.png',
 'b1c1_77.png',
 'b1c1_78.png',
 'b1c1_79.png',
 'b1c1_8.png',
 'b1c1_80.png',
 'b1c1_81.png',
 'b1c1_82.png',
 'b1c1_83.png',
 'b1c1_84.png',
 'b1c1_85.png',
 'b1c1_86.png',
 'b1c1_87.png',
 'b1c1_88.png',
 'b1c1_89.png',
 'b1c1_9.png',
 'b1c1_90.png',
 'b1c1_91.png',
 'b1c1_92.png',
 'b1c1_93.png',
 'b1c1_94.png',
 'b1c1_95.png',
 'b1c1_96.png',
 'b1c1_97.png',
 'b1c1_98.png',
 'b1c1_99.png',
 'b2c1.png',
 'b2c1_0.png',
 'b2c1_1.png',
 'b2c1_10.png',
 'b2c1_11.png',
 'b2c1_12.png',
 'b2c1_13.png',
 'b2c1_14.png',
 'b2c1_15.png',
 'b2c1_16.png',
 'b2c1_17.png',
 'b2c1_18.png',
 'b2c1_19.png',
 'b2c1_2.png',
 'b2c1_20.png',
 'b2c1_21.png',
 'b2c1_22.png',
 'b2c1_23.png',
 'b2c1_24.png',
 'b2c1_25.png',
 'b2c1_26.png',
 'b2c1_27.png',
 'b2c1_28.png',
 'b2c1_29.png',
 'b2c1_3.png',
 'b2c1_30.png',
 'b2c1_31.png',
 'b2c1_32.png',
 'b2c1_33.png',
 'b2c1_34.png',
 'b2c1_35.png',
 'b2c1_36.png',
 'b2c1_37.png',
 'b2c1_38.png',
 'b2c1_39.png',
 'b2c1_4.png',
 'b2c1_40.png',
 'b2c1_41.png',
 'b2c1_42.png',
 'b2c1_43.png',
 'b2c1_44.png',
 'b2c1_45.png',
 'b2c1_46.png',
 'b2c1_47.png',
 'b2c1_48.png',
 'b2c1_49.png',
 'b2c1_5.png',
 'b2c1_50.png',
 'b2c1_51.png',
 'b2c1_52.png',
 'b2c1_53.png',
 'b2c1_54.png',
 'b2c1_55.png',
 'b2c1_56.png',
 'b2c1_57.png',
 'b2c1_58.png',
 'b2c1_59.png',
 'b2c1_6.png',
 'b2c1_60.png',
 'b2c1_61.png',
 'b2c1_62.png',
 'b2c1_63.png',
 'b2c1_7.png',
 'b2c1_8.png',
 'b2c1_9.png',
 'b3c1.png',
 'b3c1_0.png',
 'b3c1_1.png',
 'b3c1_10.png',
 'b3c1_100.png',
 'b3c1_101.png',
 'b3c1_102.png',
 'b3c1_103.png',
 'b3c1_104.png',
 'b3c1_105.png',
 'b3c1_106.png',
 'b3c1_107.png',
 'b3c1_108.png',
 'b3c1_109.png',
 'b3c1_11.png',
 'b3c1_110.png',
 'b3c1_111.png',
 'b3c1_112.png',
 'b3c1_113.png',
 'b3c1_114.png',
 'b3c1_115.png',
 'b3c1_116.png',
 'b3c1_117.png',
 'b3c1_118.png',
 'b3c1_119.png',
 'b3c1_12.png',
 'b3c1_120.png',
 'b3c1_121.png',
 'b3c1_122.png',
 'b3c1_123.png',
 'b3c1_124.png',
 'b3c1_125.png',
 'b3c1_126.png',
 'b3c1_127.png',
 'b3c1_13.png',
 'b3c1_14.png',
 'b3c1_15.png',
 'b3c1_16.png',
 'b3c1_17.png',
 'b3c1_18.png',
 'b3c1_19.png',
 'b3c1_2.png',
 'b3c1_20.png',
 'b3c1_21.png',
 'b3c1_22.png',
 'b3c1_23.png',
 'b3c1_24.png',
 'b3c1_25.png',
 'b3c1_26.png',
 'b3c1_27.png',
 'b3c1_28.png',
 'b3c1_29.png',
 'b3c1_3.png',
 'b3c1_30.png',
 'b3c1_31.png',
 'b3c1_32.png',
 'b3c1_33.png',
 'b3c1_34.png',
 'b3c1_35.png',
 'b3c1_36.png',
 'b3c1_37.png',
 'b3c1_38.png',
 'b3c1_39.png',
 'b3c1_4.png',
 'b3c1_40.png',
 'b3c1_41.png',
 'b3c1_42.png',
 'b3c1_43.png',
 'b3c1_44.png',
 'b3c1_45.png',
 'b3c1_46.png',
 'b3c1_47.png',
 'b3c1_48.png',
 'b3c1_49.png',
 'b3c1_5.png',
 'b3c1_50.png',
 'b3c1_51.png',
 'b3c1_52.png',
 'b3c1_53.png',
 'b3c1_54.png',
 'b3c1_55.png',
 'b3c1_56.png',
 'b3c1_57.png',
 'b3c1_58.png',
 'b3c1_59.png',
 'b3c1_6.png',
 'b3c1_60.png',
 'b3c1_61.png',
 'b3c1_62.png',
 'b3c1_63.png',
 'b3c1_64.png',
 'b3c1_65.png',
 'b3c1_66.png',
 'b3c1_67.png',
 'b3c1_68.png',
 'b3c1_69.png',
 'b3c1_7.png',
 'b3c1_70.png',
 'b3c1_71.png',
 'b3c1_72.png',
 'b3c1_73.png',
 'b3c1_74.png',
 'b3c1_75.png',
 'b3c1_76.png',
 'b3c1_77.png',
 'b3c1_78.png',
 'b3c1_79.png',
 'b3c1_8.png',
 'b3c1_80.png',
 'b3c1_81.png',
 'b3c1_82.png',
 'b3c1_83.png',
 'b3c1_84.png',
 'b3c1_85.png',
 'b3c1_86.png',
 'b3c1_87.png',
 'b3c1_88.png',
 'b3c1_89.png',
 'b3c1_9.png',
 'b3c1_90.png',
 'b3c1_91.png',
 'b3c1_92.png',
 'b3c1_93.png',
 'b3c1_94.png',
 'b3c1_95.png',
 'b3c1_96.png',
 'b3c1_97.png',
 'b3c1_98.png',
 'b3c1_99.png',
 'b4c1.png',
 'b4c1_0.png',
 'b4c1_1.png',
 'b4c1_10.png',
 'b4c1_100.png',
 'b4c1_101.png',
 'b4c1_102.png',
 'b4c1_103.png',
 'b4c1_104.png',
 'b4c1_105.png',
 'b4c1_106.png',
 'b4c1_107.png',
 'b4c1_108.png',
 'b4c1_109.png',
 'b4c1_11.png',
 'b4c1_110.png',
 'b4c1_111.png',
 'b4c1_112.png',
 'b4c1_113.png',
 'b4c1_114.png',
 'b4c1_115.png',
 'b4c1_116.png',
 'b4c1_117.png',
 'b4c1_118.png',
 'b4c1_119.png',
 'b4c1_12.png',
 'b4c1_120.png',
 'b4c1_121.png',
 'b4c1_122.png',
 'b4c1_123.png',
 'b4c1_124.png',
 'b4c1_125.png',
 'b4c1_126.png',
 'b4c1_127.png',
 'b4c1_128.png',
 'b4c1_129.png',
 'b4c1_13.png',
 'b4c1_130.png',
 'b4c1_131.png',
 'b4c1_132.png',
 'b4c1_133.png',
 'b4c1_134.png',
 'b4c1_135.png',
 'b4c1_136.png',
 'b4c1_137.png',
 'b4c1_138.png',
 'b4c1_139.png',
 'b4c1_14.png',
 'b4c1_140.png',
 'b4c1_141.png',
 'b4c1_142.png',
 'b4c1_143.png',
 'b4c1_144.png',
 'b4c1_145.png',
 'b4c1_146.png',
 'b4c1_147.png',
 'b4c1_148.png',
 'b4c1_149.png',
 'b4c1_15.png',
 'b4c1_150.png',
 'b4c1_151.png',
 'b4c1_152.png',
 'b4c1_153.png',
 'b4c1_154.png',
 'b4c1_155.png',
 'b4c1_156.png',
 'b4c1_157.png',
 'b4c1_158.png',
 'b4c1_159.png',
 'b4c1_16.png',
 'b4c1_160.png',
 'b4c1_161.png',
 'b4c1_162.png',
 'b4c1_163.png',
 'b4c1_164.png',
 'b4c1_165.png',
 'b4c1_166.png',
 'b4c1_167.png',
 'b4c1_168.png',
 'b4c1_169.png',
 'b4c1_17.png',
 'b4c1_170.png',
 'b4c1_171.png',
 'b4c1_172.png',
 'b4c1_173.png',
 'b4c1_174.png',
 'b4c1_175.png',
 'b4c1_176.png',
 'b4c1_177.png',
 'b4c1_178.png',
 'b4c1_179.png',
 'b4c1_18.png',
 'b4c1_180.png',
 'b4c1_181.png',
 'b4c1_182.png',
 'b4c1_183.png',
 'b4c1_184.png',
 'b4c1_185.png',
 'b4c1_186.png',
 'b4c1_187.png',
 'b4c1_188.png',
 'b4c1_189.png',
 'b4c1_19.png',
 'b4c1_190.png',
 'b4c1_191.png',
 'b4c1_192.png',
 'b4c1_193.png',
 'b4c1_194.png',
 'b4c1_195.png',
 'b4c1_196.png',
 'b4c1_197.png',
 'b4c1_198.png',
 'b4c1_199.png',
 'b4c1_2.png',
 'b4c1_20.png',
 'b4c1_200.png',
 'b4c1_201.png',
 'b4c1_202.png',
 'b4c1_203.png',
 'b4c1_204.png',
 'b4c1_205.png',
 'b4c1_206.png',
 'b4c1_207.png',
 'b4c1_208.png',
 'b4c1_209.png',
 'b4c1_21.png',
 'b4c1_210.png',
 'b4c1_211.png',
 'b4c1_212.png',
 'b4c1_213.png',
 'b4c1_214.png',
 'b4c1_215.png',
 'b4c1_216.png',
 'b4c1_217.png',
 'b4c1_218.png',
 'b4c1_219.png',
 'b4c1_22.png',
 'b4c1_220.png',
 'b4c1_221.png',
 'b4c1_222.png',
 'b4c1_223.png',
 'b4c1_224.png',
 'b4c1_225.png',
 'b4c1_226.png',
 'b4c1_227.png',
 'b4c1_228.png',
 'b4c1_229.png',
 'b4c1_23.png',
 'b4c1_230.png',
 'b4c1_231.png',
 'b4c1_232.png',
 'b4c1_233.png',
 'b4c1_234.png',
 'b4c1_235.png',
 'b4c1_236.png',
 'b4c1_237.png',
 'b4c1_238.png',
 'b4c1_239.png',
 'b4c1_24.png',
 'b4c1_240.png',
 'b4c1_241.png',
 'b4c1_242.png',
 'b4c1_243.png',
 'b4c1_244.png',
 'b4c1_245.png',
 'b4c1_246.png',
 'b4c1_247.png',
 'b4c1_248.png',
 'b4c1_249.png',
 'b4c1_25.png',
 'b4c1_250.png',
 'b4c1_251.png',
 'b4c1_252.png',
 'b4c1_253.png',
 'b4c1_254.png',
 'b4c1_255.png',
 'b4c1_26.png',
 'b4c1_27.png',
 'b4c1_28.png',
 'b4c1_29.png',
 'b4c1_3.png',
 'b4c1_30.png',
 'b4c1_31.png',
 'b4c1_32.png',
 'b4c1_33.png',
 'b4c1_34.png',
 'b4c1_35.png',
 'b4c1_36.png',
 'b4c1_37.png',
 'b4c1_38.png',
 'b4c1_39.png',
 'b4c1_4.png',
 'b4c1_40.png',
 'b4c1_41.png',
 'b4c1_42.png',
 'b4c1_43.png',
 'b4c1_44.png',
 'b4c1_45.png',
 'b4c1_46.png',
 'b4c1_47.png',
 'b4c1_48.png',
 'b4c1_49.png',
 'b4c1_5.png',
 'b4c1_50.png',
 'b4c1_51.png',
 'b4c1_52.png',
 'b4c1_53.png',
 'b4c1_54.png',
 'b4c1_55.png',
 'b4c1_56.png',
 'b4c1_57.png',
 'b4c1_58.png',
 'b4c1_59.png',
 'b4c1_6.png',
 'b4c1_60.png',
 'b4c1_61.png',
 'b4c1_62.png',
 'b4c1_63.png',
 'b4c1_64.png',
 'b4c1_65.png',
 'b4c1_66.png',
 'b4c1_67.png',
 'b4c1_68.png',
 'b4c1_69.png',
 'b4c1_7.png',
 'b4c1_70.png',
 'b4c1_71.png',
 'b4c1_72.png',
 'b4c1_73.png',
 'b4c1_74.png',
 'b4c1_75.png',
 'b4c1_76.png',
 'b4c1_77.png',
 'b4c1_78.png',
 'b4c1_79.png',
 'b4c1_8.png',
 'b4c1_80.png',
 'b4c1_81.png',
 'b4c1_82.png',
 'b4c1_83.png',
 'b4c1_84.png',
 'b4c1_85.png',
 'b4c1_86.png',
 'b4c1_87.png',
 'b4c1_88.png',
 'b4c1_89.png',
 'b4c1_9.png',
 'b4c1_90.png',
 'b4c1_91.png',
 'b4c1_92.png',
 'b4c1_93.png',
 'b4c1_94.png',
 'b4c1_95.png',
 'b4c1_96.png',
 'b4c1_97.png',
 'b4c1_98.png',
 'b4c1_99.png',
 'b5c1.png',
 'b5c1_0.png',
 'b5c1_1.png',
 'b5c1_10.png',
 'b5c1_100.png',
 'b5c1_101.png',
 'b5c1_102.png',
 'b5c1_103.png',
 'b5c1_104.png',
 'b5c1_105.png',
 'b5c1_106.png',
 'b5c1_107.png',
 'b5c1_108.png',
 'b5c1_109.png',
 'b5c1_11.png',
 'b5c1_110.png',
 'b5c1_111.png',
 'b5c1_112.png',
 'b5c1_113.png',
 'b5c1_114.png',
 'b5c1_115.png',
 'b5c1_116.png',
 'b5c1_117.png',
 'b5c1_118.png',
 'b5c1_119.png',
 'b5c1_12.png',
 'b5c1_120.png',
 'b5c1_121.png',
 'b5c1_122.png',
 'b5c1_123.png',
 'b5c1_124.png',
 'b5c1_125.png',
 'b5c1_126.png',
 'b5c1_127.png',
 ...]

In [3]:

    

data = numpy.load('../../featuremaps/data.npy')


    

In [4]:

    

image = data[0][0].astype(numpy.uint8)
image = numpy.abs(image)
image = 100*image#/numpy.max(image)
image = numpy.clip(image, a_min=5, a_max=255)
high = 3600
low = 5200
print "Total: ", numpy.min(image), numpy.max(image)
print " High: ", numpy.min(image[:,:high,:]), numpy.max(image[:,:high,:]) 
print " Low: ", numpy.min(image[:,low:,:]), numpy.max(image[:,low:,:])


    

    




Total:  5 252
 High:  5 244
 Low:  5 200

In [5]:

    

toimage(image[:,high:low,:]).save('../../featuremaps/data.png')


    

In [6]:

    

Image('../../featuremaps/data.png')


    

    
Out[6]:

In [7]:

    

data = numpy.load('../../featuremaps/block1_conv1.npy')[0]
print data.shape


    

    




(32, 3, 2400, 900)

In [8]:

    

border=2
n_wide=8
n_tall = len(data)/n_wide
width=(n_wide)*(data[0].shape[1])+border*(n_wide+1)
height= (n_tall)*(data[0].shape[2])+border*(n_tall+1)
big_image = numpy.ndarray(shape=(3,width,height ), dtype=numpy.uint8)
big_image = big_image+255
print "Big Image Shape: ", big_image.shape
print "Small Image Shape:", data[0].shape

for index, image in enumerate(data):
    image = numpy.abs(image)
    image = 255*image#/numpy.max(image)
    image = numpy.clip(image,0,255)
    toimage(image.astype(numpy.uint8)).save('../../featuremaps/b1c1_{}.png'.format(index))
    x_position = index%n_wide
    y_position = index/n_wide
    
    left_edge = border*(x_position+1)+image.shape[1]*x_position
    upper_edge = border*(y_position+1)+image.shape[2]*y_position
    big_image[:,
              left_edge:left_edge+image.shape[1],
              upper_edge:upper_edge+image.shape[2]] = image
toimage(big_image).save('../../featuremaps/b1c1.png')


    

    




Big Image Shape:  (3, 19218, 3610)
Small Image Shape: (3, 2400, 900)

In [22]:

    

Image('../../featuremaps/b1c1.png')


    

    




IOPub data rate exceeded.
The notebook server will temporarily stop sending output
to the client in order to avoid crashing it.
To change this limit, set the config variable
`--NotebookApp.iopub_data_rate_limit`.

In [10]:

    

data = numpy.load('../../featuremaps/block2_conv1.npy')[0].astype(numpy.uint8)


    

In [11]:

    

border=2
n_wide=8
n_tall = len(data)/n_wide
width=(n_wide)*(data[0].shape[1])+border*(n_wide+1)
height= (n_tall)*(data[0].shape[2])+border*(n_tall+1)
big_image = numpy.ndarray(shape=(3,width,height ), dtype=numpy.uint8)
big_image = big_image+255
print "Big Image Shape: ", big_image.shape
print "Small Image Shape:", data[0].shape

for index, image in enumerate(data):
    image = numpy.abs(image)
    image = 255*image#/numpy.max(image)
    image = numpy.clip(image,0,255)
    toimage(image.astype(numpy.uint8)).save('../../featuremaps/b2c1_{}.png'.format(index))
    x_position = index%n_wide
    y_position = index/n_wide
    
    left_edge = border*(x_position+1)+image.shape[1]*x_position
    upper_edge = border*(y_position+1)+image.shape[2]*y_position
    big_image[:,
              left_edge:left_edge+image.shape[1],
              upper_edge:upper_edge+image.shape[2]] = image
toimage(big_image).save('../../featuremaps/b2c1.png')


    

    




Big Image Shape:  (3, 2418, 1818)
Small Image Shape: (3, 300, 225)

In [12]:

    

Image('../../featuremaps/b2c1.png')


    

    
Out[12]:

In [13]:

    

data = numpy.load('../../featuremaps/block3_conv1.npy')[0]
print data.shape


    

    




(128, 1, 75, 56)

In [14]:

    

border=2
n_wide=8
n_tall = len(data)/n_wide
width=(n_wide)*(data[0].shape[1])+border*(n_wide+1)
height= (n_tall)*(data[0].shape[2])+border*(n_tall+1)
big_image = numpy.ndarray(shape=(3,width,height ), dtype=numpy.uint8)
big_image = big_image+255
print "Big Image Shape: ", big_image.shape
print "Small Image Shape:", data[0].shape

for index, image in enumerate(data):
    image = numpy.abs(image)
    image = 255*image#/numpy.max(image)
    image = numpy.clip(image,0,255)
    buff = numpy.ndarray(shape=(3, image.shape[1], image.shape[2]))
    for i in range(3): buff[i]=image[0]
    toimage(buff.astype(numpy.uint8)).save('../../featuremaps/b3c1_{}.png'.format(index))
    x_position = index%n_wide
    y_position = index/n_wide
    
    left_edge = border*(x_position+1)+image.shape[1]*x_position
    upper_edge = border*(y_position+1)+image.shape[2]*y_position
    big_image[:,
              left_edge:left_edge+image.shape[1],
              upper_edge:upper_edge+image.shape[2]] = buff
toimage(big_image).save('../../featuremaps/b3c1.png')


    

    




Big Image Shape:  (3, 618, 930)
Small Image Shape: (1, 75, 56)

In [15]:

    

Image('../../featuremaps/b3c1.png')


    

    
Out[15]:

In [16]:

    

data = numpy.load('../../featuremaps/block4_conv1.npy')[0]
print data.shape


    

    




(256, 1, 19, 14)

In [17]:

    

border=2
n_wide=8
n_tall = len(data)/n_wide
width=(n_wide)*(data[0].shape[1])+border*(n_wide+1)
height= (n_tall)*(data[0].shape[2])+border*(n_tall+1)
big_image = numpy.ndarray(shape=(3,width,height ), dtype=numpy.uint8)
big_image = big_image+255
print "Big Image Shape: ", big_image.shape
print "Small Image Shape:", data[0].shape

for index, image in enumerate(data):
    image = numpy.abs(image)
    image = 255*image#/numpy.max(image)
    image = numpy.clip(image,0,255)
    buff = numpy.ndarray(shape=(3, image.shape[1], image.shape[2]))
    for i in range(3): buff[i]=image[0]
    toimage(buff.astype(numpy.uint8)).save('../../featuremaps/b4c1_{}.png'.format(index))
    x_position = index%n_wide
    y_position = index/n_wide
    
    left_edge = border*(x_position+1)+image.shape[1]*x_position
    upper_edge = border*(y_position+1)+image.shape[2]*y_position
    big_image[:,
              left_edge:left_edge+image.shape[1],
              upper_edge:upper_edge+image.shape[2]] = buff
toimage(big_image).save('../../featuremaps/b4c1.png')


    

    




Big Image Shape:  (3, 170, 514)
Small Image Shape: (1, 19, 14)

In [18]:

    

Image('../../featuremaps/b4c1.png')


    

    
Out[18]:

In [19]:

    

data = numpy.load('../../featuremaps/block5_conv1.npy')[0]
print data.shape


    

    




(512, 1, 5, 3)

In [20]:

    

border=2
n_wide=8
n_tall = len(data)/n_wide
width=(n_wide)*(data[0].shape[1])+border*(n_wide+1)
height= (n_tall)*(data[0].shape[2])+border*(n_tall+1)
big_image = numpy.ndarray(shape=(3,width,height ), dtype=numpy.uint8)
big_image = big_image+255
print "Big Image Shape: ", big_image.shape
print "Small Image Shape:", data[0].shape

for index, image in enumerate(data):
    image = numpy.abs(image)
    image = 255*image#/numpy.max(image)
    image = numpy.clip(image,0,255)
    buff = numpy.ndarray(shape=(3, image.shape[1], image.shape[2]))
    for i in range(3): buff[i]=image[0]
    toimage(buff.astype(numpy.uint8)).save('../../featuremaps/b5c1_{}.png'.format(index))
    x_position = index%n_wide
    y_position = index/n_wide
    
    left_edge = border*(x_position+1)+image.shape[1]*x_position
    upper_edge = border*(y_position+1)+image.shape[2]*y_position
    big_image[:,
              left_edge:left_edge+image.shape[1],
              upper_edge:upper_edge+image.shape[2]] = buff
toimage(big_image).save('../../featuremaps/b5c1.png')


    

    




Big Image Shape:  (3, 58, 322)
Small Image Shape: (1, 5, 3)

In [21]:

    

Image('../../featuremaps/b5c1.png')


    

    
Out[21]:

In [ ]: