如何使用Tensorflow和預訓練模型透過Python視覺化資料？

Tensorflow和預訓練模型可以使用‘matplotlib’庫來視覺化資料。‘plot’方法用於在控制檯上繪製資料。

包含至少一層卷積層的神經網路被稱為卷積神經網路。我們可以使用卷積神經網路構建學習模型。

我們將瞭解如何藉助來自預訓練網路的遷移學習對貓和狗的影像進行分類。影像分類中遷移學習背後的直覺是，如果一個模型是在一個大型且通用的資料集上訓練的，那麼這個模型可以有效地作為視覺世界的通用模型。它將學習特徵對映，這意味著使用者不必從頭開始在一個大型資料集上訓練一個大型模型。

閱讀更多： 如何對自定義模型進行預訓練？

我們正在使用Google Colaboratory來執行以下程式碼。Google Colab或Colaboratory幫助在瀏覽器上執行Python程式碼，並且無需任何配置即可免費訪問GPU（圖形處理單元）。Colaboratory構建在Jupyter Notebook之上。

示例

print("Visualizing the data")
plt.figure(figsize=(8, 8))
plt.subplot(2, 1, 1)
plt.plot(acc, label='Training Accuracy')
plt.plot(val_acc, label='Validation Accuracy')
plt.ylim([0.8, 1])
plt.plot([initial_epochs-1,initial_epochs-1], plt.ylim(), label='Start Fine Tuning')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
plt.subplot(2, 1, 2)
plt.plot(loss, label='Training Loss')
plt.plot(val_loss, label='Validation Loss')
plt.ylim([0, 1.0])
plt.plot([initial_epochs-1,initial_epochs-1], plt.ylim(), label='Start Fine Tuning')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.xlabel('epoch')
plt.show()

程式碼來源 −https://www.tensorflow.org/tutorials/images/transfer_learning