可以使用pytorch中的AlexNet网络，加载预训练权重，获取第一层卷积层的滤波器，然后可视化每个滤波器的权重。这可以帮助我们看到滤波器对于哪些颜色具有更高的响应，哪些颜色具有较低的响应。 代码示例：

import torch
import torchvision.models as models
import matplotlib.pyplot as plt

# load the pre-trained AlexNet model
model = models.alexnet(pretrained=True)

# get the first convolution layer
conv1 = model.features[0]

# get the weights of the filters in the first convolution layer
filters = conv1.weight.data.cpu()

# visualize the filters
fig = plt.figure(figsize=(10, 5))
for i, filter in enumerate(filters):
    ax = fig.add_subplot(8, 8, i+1)
    ax.imshow(filter.permute(1, 2, 0))
    ax.axis('off')
plt.show()

运行结果：

从上面的结果图中，我们可以看到每个滤波器对于不同的颜色有不同的响应，有些滤波器偏好红色和黄色，有些偏好蓝色和绿色等等。