【深度学习可视化】用t-sne可视化CIFAR100数据集的测试结果

t-sne参数的官方文档：
https://scikit-learn.org/stable/modules/generated/sklearn.manifold.TSNE.html

10个类：

cosine距离，100类：

获取特征和标签：

def get_embs(model, test_loader):
    model.eval()
    embs = []
    labels = []
    with torch.no_grad():
        for batch_idx, (inputs, targets) in enumerate(test_loader):
            batch_size = targets.size(0)

            inputs, targets = inputs.cuda(), targets.cuda()
            with torch.no_grad():
                feats, outputs = model(inputs)
			#参考网络结构里进行处理
            labels.append(targets.data.cpu())
            mid_feat=F.adaptive_avg_pool2d(F.relu(feats[</