PyTorch - Convents 的可视化

• 

  简述

  在本章中，我们将重点介绍在 convents 的帮助下的数据可视化模型。需要执行以下步骤才能使用传统神经网络获得完美的可视化图片。
• 

  第1步

  导入必要的模块，这对于传统神经网络的可视化很重要。

  
  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

  要停止训练和测试数据的潜在随机性，请调用以下代码中给出的相应数据集 -

  
  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获得以完美方式定义的训练和测试数据 -

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

  输出显示如下 -