PyTorch Convents視覺化

在本章中，我們將在Convents的幫助下專注於資料視覺化模型。需要以下步驟才能使用傳統的神經網路獲得完美的視覺化影象。

第1步

匯入必要的模組，這對於傳統神經網路的視覺化非常重要。

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

要通過訓練和測試資料來停止潛在的隨機性，請呼叫以下程式碼中給出的相應資料集 -

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)

第3步

使用以下程式碼繪製必要的影象，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()

輸出顯示如下 -