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 教程目录

• PyTorch 简介
• PyTorch 安装
• PyTorch 神经网络的数学基本构建模块
• PyTorch 神经网络基础
• PyTorch 机器学习的通用工作流程
• PyTorch 机器学习 vs. 深度学习
• PyTorch 实现第一个神经网络
• PyTorch 神经网络到功能块
• PyTorch 术语
• PyTorch 加载数据
• PyTorch 线性回归
• PyTorch 卷积神经网络
• PyTorch 循环神经网络
• PyTorch 数据集
• PyTorch 卷积神经网络介绍
• PyTorch 从头训练一个卷积神经网络
• PyTorch 卷积神经网络中的特征提取
• PyTorch 卷积神经网络的可视化
• PyTorch 序列处理与卷积
• PyTorch 词嵌入
• PyTorch 递归神经网络