PyTorch Convents可视化
在本章中，我们将在Convents的帮助下专注于数据可视化模型。需要以下步骤才能使用传统的神经网络获得完美的可视化图像。
第1步
导入必要的模块，这对于传统神经网络的可视化非常重要。
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
要通过训练和测试数据来停止潜在的随机性，请调用以下代码中给出的相应数据集 -
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
使用以下代码绘制必要的图像，以完美的方式定义训练和测试数据 -
pylab.imshow(img, cmap ='gray')
pylab.axis('off')
pylab.show()
输出显示如下 -
