PyTorch - 卷積的視覺化

在本章中，我們重點介紹了卷積的幫助下的資料視覺化模型。在常規神經網路中實現完美視覺化圖表需要以下步驟。

步驟 1

匯入對於常規神經網路視覺化至關重要的必要模組。

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

步驟 2

為了避免訓練和測試資料出現潛在的隨機性，使用以下程式碼中給出的方式呼叫各自的資料集 −

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)

步驟 3

繪製必要的影像，使用以下程式碼以完美的方式定義訓練和測試資料 −

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

結果將按以下所示進行顯示 −