PyTorch 卷积神经网络的可视化

PyTorch 卷积神经网络的可视化

在本章中,我们将重点讨论使用卷积神经网络进行数据可视化的模型。以下步骤是获得传统神经网络可视化完美效果所需的步骤。

第1步

导入对于传统神经网络可视化至关重要的必要模块。

import os
import numpy as np
import pandas as pd
from scipy.misc import imread
from sklearn.metrics import accuracy_score

import keras
from keras.models import Sequential, Model
from keras.layers import Dense, Dropout, Flatten, Activation, Input
from keras.layers import Conv2D, MaxPooling2D
import torch

第2步

为了防止训练和测试数据的潜在随机性,按照下面代码中给出的方式调用相应的数据集−

seed = 128
rng = np.random.RandomState(seed)
data_dir = "../../datasets/MNIST"
train = pd.read_csv('../../datasets/MNIST/train.csv')
test = pd.read_csv('../../datasets/MNIST/Test_fCbTej3.csv')
img_name = rng.choice(train.filename)
filepath = os.path.join(data_dir, 'train', img_name)
img = imread(filepath, flatten=True)

第3步

使用以下代码绘制必要的图像,以完美地定义训练和测试数据。

pylab.imshow(img, cmap ='gray')
pylab.axis('off')
pylab.show()

输出如下所示-

PyTorch 卷积神经网络的可视化

PyTorch 教程目录

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程