PyTorch - 修道院的可视化


在本章中,我们将重点讨论借助约定的数据可视化模型。要使用传统神经网络获得完美的可视化图像,需要执行以下步骤。

步骤1

导入对于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

第2步

要阻止训练和测试数据的潜在随机性,请调用相应的数据集,如下面的代码所示 -

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 -

训练