将线性分类器的权重W展示为类别的模板图片

假设y=XW+b用于图片的分类,最后训练出的W如下（随机取一个）

import matplotlib.pyplot as plt
import numpy as np
W = np.random.randn(32*32*3,10)

现在将W展示为10个类别的模板图片：

W = W.reshape(32,32,3,-1)
W_min, W_max = np.min(W), np.max(W)
for i in range(10):
    plt.subplot(2, 5, i + 1)
    plt.rcParams['figure.figsize'] = (8.0, 4.0) # 设置figure_size尺寸
      
    # Rescale the weights to be between 0 and 255
    wimg = 255.0 * (W[:, :, :, i].squeeze() - W_min) / (W_max - W_min) 
    #np.squeeze()从数组的形状中删除单维条目，即把shape中为1的维度去掉
    plt.imshow(wimg.astype('uint8'))
    plt.axis('off')
    plt.title('label%d'%i)
plt.show()

最后的展示结果：

如果是训练好的W，那么展示的图片模板与所对应的类别将有一定的相似性。