PyTorch-수녀원 시각화

이 장에서는 수도원의 도움을 받아 데이터 시각화 모델에 초점을 맞출 것입니다. 기존 신경망을 사용하여 시각화에 대한 완벽한 그림을 얻으려면 다음 단계가 필요합니다.

1 단계

기존 신경망의 시각화에 중요한 필수 모듈을 가져옵니다.

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

2 단계

훈련 및 테스트 데이터로 잠재적 인 임의성을 중지하려면 아래 코드에 지정된대로 각 데이터 세트를 호출하십시오.

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)

3 단계

아래 코드를 사용하여 완벽한 방식으로 정의 된 훈련 및 테스트 데이터를 얻기 위해 필요한 이미지를 플롯합니다.

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

출력은 다음과 같이 표시됩니다.