PyTorch - การแสดงภาพคอนแวนต์

ในบทนี้เราจะมุ่งเน้นไปที่รูปแบบการแสดงข้อมูลด้วยความช่วยเหลือของคอนแวนต์ ต้องทำตามขั้นตอนต่อไปนี้เพื่อให้ได้ภาพที่สมบูรณ์แบบด้วยโครงข่ายประสาทเทียมแบบเดิม

ขั้นตอนที่ 1

นำเข้าโมดูลที่จำเป็นซึ่งมีความสำคัญต่อการสร้างภาพของโครงข่ายประสาทเทียมแบบเดิม

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

ขั้นตอนที่ 2

หากต้องการหยุดการสุ่มที่อาจเกิดขึ้นด้วยข้อมูลการฝึกอบรมและการทดสอบให้เรียกชุดข้อมูลตามลำดับตามที่ระบุในรหัสด้านล่าง -

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)

ขั้นตอนที่ 3

พล็อตภาพที่จำเป็นเพื่อรับข้อมูลการฝึกอบรมและการทดสอบที่กำหนดไว้อย่างสมบูรณ์แบบโดยใช้รหัสด้านล่าง -

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

ผลลัพธ์จะแสดงดังต่อไปนี้ -