分层dnn解释：使用论文《神经网络预测的分层解释》中的复制ACD（ICLR 2019）

从神经网络预测的层次解释论文中使用/复制ACD的官方代码（ICLR 2019 ）。 该代码为神经网络所做的单个预测生成层次解释。 注意：此存储库正在积极维护。 如有任何疑问，请提出问题。 例子/文档 安装： pip install acd （或克隆并运行python setup.py install ） 示例： 文件夹包含带有许多演示的笔记本 api ： 提供可用功能列表 src ： 文件夹包含方法实现的源 通过更改超参数允许进行不同类型的解释（在示例中进行了说明） 使用python3和pytorch> 1.0进行测试 文件夹中包含所有需要复制的数据/模型/代码 检查NLP情感模型 检测对抗示例 分析imagenet模型 关于在您自己的数据上使用ACD的说明 当前的CD实现并不总是适用于所有类型的网络。 如果您在cd.py内部遇到错误，则可能需要编写一个遍历网络各层的自定义函数（有关示例，请参见cd.py ）。 但是，对于许多常见层，应立即使用，包括在alexnet，vgg或resnet中进行Antyhing。 要使用基线（例如堆积和遮挡），请用一个函数替换pred_ims函