PyTorch - 卷积的可视化

在本章中，我们重点介绍了卷积的帮助下的数据可视化模型。在常规神经网络中实现完美可视化图表需要以下步骤。

步骤 1

导入对于常规神经网络可视化至关重要的必要模块。

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

为了避免训练和测试数据出现潜在的随机性，使用以下代码中给出的方式调用各自的数据集 −

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

绘制必要的图像，使用以下代码以完美的方式定义训练和测试数据 −

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

结果将按以下所示进行显示 −