PyTorch - Konvansiyonların Görselleştirilmesi

Bu bölümde, konvansiyonlar yardımıyla veri görselleştirme modeline odaklanacağız. Geleneksel sinir ağı ile mükemmel bir görselleştirme resmi elde etmek için aşağıdaki adımlar gereklidir.

Aşama 1

Geleneksel sinir ağlarının görselleştirilmesi için önemli olan gerekli modülleri içe aktarın.

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

Adım 2

Potansiyel rastgeleliği eğitim ve test verileriyle durdurmak için, aşağıdaki kodda verildiği gibi ilgili veri kümesini arayın -

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)

Aşama 3

Aşağıdaki kodu kullanarak mükemmel bir şekilde tanımlanan eğitim ve test verilerini elde etmek için gerekli görüntüleri çizin -

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

Çıktı aşağıdaki gibi görüntülenir -