如何使用Tensorflow和预训练模型通过Python可视化数据？

可以使用Tensorflow和预训练模型，通过“matplotlib”库来可视化数据。可以使用“plot”方法在控制台上绘制数据。

包含至少一层的神经网络被称为卷积层。

我们将使用迁移学习从预训练网络中对猫和狗的图像进行分类。图像分类中的迁移学习背后的灵感是：如果一个模型是在大而普遍的数据集上训练的，那么这个模型就可以有效地作为视觉世界的通用模型。它将学习功能映射，这意味着用户不必从头开始在大型数据集上训练大型模型。

我们使用Google Colaboratory来运行下面的代码。Google Colab或Colaboratory可以在浏览器上运行Python代码，并且不需要任何配置，并且可以自由访问GPU（图形处理器）。 Colaboratory建立在Jupyter Notebook之上。

更多Python相关文章，请阅读：Python 教程

示例

print("Visualizing the data")
plt.figure(figsize=(8, 8))
plt.subplot(2, 1, 1)
plt.plot(acc, label='Training Accuracy')
plt.plot(val_acc, label='Validation Accuracy')
plt.ylim([0.8, 1])
plt.plot([initial_epochs-1,initial_epochs-1], plt.ylim(), label='Start Fine Tuning')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
plt.subplot(2, 1, 2)
plt.plot(loss, label='Training Loss')
plt.plot(val_loss, label='Validation Loss')
plt.ylim([0, 1.0])
plt.plot([initial_epochs-1,initial_epochs-1], plt.ylim(), label='Start Fine Tuning')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.xlabel('epoch')
plt.show()

代码提供者 − https：//www.tensorflow.org/tutorials/images/transfer_learning