PyTorch - Convents 的可视化

在本章中，我们将重点关注在 Convents 的帮助下的数据可视化模型。 需要以下步骤才能使用传统神经网络获得完美的可视化图像。

步骤 1

导入对传统神经网络的可视化很重要的必要模块。

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

步骤 2

要阻止训练和测试数据的潜在随机性，请调用下面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)

步骤 3

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 −