@ChangGuangyao 您好，图像复原不熟悉，grad-cam本质是梯度的注意力，整张图也可以做反向传播

@ChangGuangyao您好，图像复原不熟悉，grad-cam本质是渐变的关注，整张图也可以做反向传播

反向传播不应该是一个值吗 二维的矩阵好像没法调用.backward()方法吧

@ChangGuangyao 矩阵一样的可以反向传播的；例子如下：

x=torch.randn(3,3)
x.requires_grad_(True)
y=x*x
y.backward(torch.ones(3,3))
x.grad

@ChangGuangyao 矩阵一样的可以反向传播的；例子如下：

x=torch.randn(3,3)
x.requires_grad_(True)
y=x*x
y.backward(torch.ones(3,3))
x.grad

谢谢大佬

您好，我也是图像超分的方向，不知道您做出用热力图做出结果了吗？我尝试用grad-cam作图，但结果远不如分类和检测的展示效果好。不知道您的损失函数放的是什么呢？

您好，我也是图像超分的方向，不知道您做出用热力图做出结果了吗？我尝试用grad-cam作图，但结果远不如分类和检测的展示效果好。不知道您的损失函数放的是什么呢？

您好，我目前也是用grad-cam做图像复原相关的grad-cam图，效果也是非常不好，请问你目前解决了吗