PyTorch - Hình ảnh hóa các chuyển đổi

Trong chương này, chúng ta sẽ tập trung vào mô hình trực quan hóa dữ liệu với sự trợ giúp của các đối chiếu. Cần thực hiện các bước sau để có được bức tranh trực quan hoàn hảo với mạng nơ-ron thông thường.

Bước 1

Nhập các mô-đun cần thiết quan trọng cho việc hiển thị các mạng nơ-ron thông thường.

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

Bước 2

Để ngăn chặn sự ngẫu nhiên tiềm ẩn với dữ liệu đào tạo và thử nghiệm, hãy gọi tập dữ liệu tương ứng như được cung cấp trong đoạn mã bên dưới -

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)

Bước 3

Vẽ các hình ảnh cần thiết để có được dữ liệu đào tạo và kiểm tra được xác định một cách hoàn hảo bằng cách sử dụng đoạn mã dưới đây:

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

Đầu ra được hiển thị như bên dưới -