本文主要介绍卷积神经网络(Convents)帮助下的数据可视化模型。用传统的神经网络获得理想的可视化图像的方法步骤。

1、导入模块

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

2、得到数据集

为了停止训练和测试数据的潜在随机性,调用下面代码中给出的各自的数据集:

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)

3、绘制图像

绘制必要的图像,以获得训练和测试数据,以完美的方式定义使用下面的代码:

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

输出显示如下:

httpswwwcjavapycom


推荐文档