📌  相关文章
📜  PyTorch-修道院的可视化

📅  最后修改于: 2020-12-10 05:25:15             🧑  作者: Mango

在本章中，我们将在修道院的帮助下专注于数据可视化模型。需要采取以下步骤才能获得使用常规神经网络进行可视化处理的完美画面。

第1步

导入对常规神经网络的可视化非常重要的必要模块。

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)

第三步

使用以下代码绘制必要的图像以获得完美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