首页 > 其他 > 详细

tensorboard_embedding

时间:2019-10-17 18:31:26      阅读:149      评论:0      收藏:0      [点我收藏+]
from tensorboardX import SummaryWriter
import torchvision

writer=SummaryWriter(log_dir="embedding")
mnist=torchvision.datasets.MNIST("mnist",download=True)
writer.add_embedding(
    mat=mnist.train_data.reshape((-1,28*28))[:100,:],
    metadata=mnist.train_labelS[:100],
    label_img=mnist.train_data[:100,:,:].reshape((-1,1,28,28)).float()/255,
    global_step=0

)

  add_embedding(mat, metadata=None, label_img=None, global_step=None, tag=‘default‘, metadata_header=None)

           mat (torch.Tensor or numpy.array): 一个矩阵,每行代表特征空间的一个数据点
           metadata (list or torch.Tensor or numpy.array, optional): 一个一维列表,mat 中每行数据的 label,大小应和 mat 行数相同
           label_img (torch.Tensor, optional): 一个形如 NxCxHxW 的张量,对应 mat 每一行数据显示出的图像,N 应和 mat 行数相同
           global_step (int, optional): 训练的 step
           tag (string, optional): 数据名称,不同名称的数据将分别展示
           mat 是二维 MxN,metadata 是一维 N,label_img 是四维 NxCxHxW!

    label_img 记得归一化为 0-1 之间的 float 值

           技术分享图片

 

tensorboard_embedding

原文:https://www.cnblogs.com/hapyygril/p/11693787.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!