tensorboard 数据降维分布图_TSNE如何画出多维数据分布图

最新推荐文章于 2022-12-15 02:15:58 发布

宇哥讲电影

最新推荐文章于 2022-12-15 02:15:58 发布

阅读量1.6k

点赞数 1

文章标签： tensorboard 数据降维分布图

本文链接：https://blog.csdn.net/weixin_32448581/article/details/112194966

版权

本文介绍了如何利用Tensorboard和T-SNE进行数据降维，以绘制直观的数据分布图。通过预处理PyTorch的MNIST和SVHN数据集，转换为numpy格式并调整通道数，然后应用T-SNE进行降维到二维。最后使用matplotlib的plt.text或plt.scatter方法画图，并讨论了如何提高图像清晰度和设置图例。

摘要由CSDN通过智能技术生成

论文中一般都会有数据分布的图，很直观的可以看出迁移过程中分类面的改变。

那么这种图是怎么画的呢？很容易想到就是降维(PCA等)了。这里使用更高效的T-SNE流行学习法。如果你想深究，可以看看这个博主的教程写得非常详细，还有其他降维方法。

如果你想学我这样大概了解一下就行了，那就可以跳过。怎么才能简单画出二维分布图呢？(三维一样的道理，不过稍微复杂点)我这里以pytorch自带的MNIST和SVHN数据为例。

数据预处理

pytorch里面直接调用是非常方便的，不过是tensor类型，我们要把它转为numpy格式。

MNIST(官方分成train和test了，使用的时候可以根据需要切换):

这里有个问题要注意：因为SVHN是三通道的，MNIST是单通道的，所以要记得expand成三通道的，不然无法concatenate在一起。

def get_mnist(train, path):
    """Get MNIST dataset loader."""
    # image pre-processing
    pre_process = transforms.Compose([transforms.Resize(6),