![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
可视化
文章平均质量分 72
所有需要“看”的内容都在这里了
贱贱的剑
计算机专业硕士研究生、操作系统与Linux内核开发,应用开发,喜欢研究Linux系统的各种疑难杂症。。。
展开
-
使用命令行安装tensorflow
一、引言之前用界面安装的tensorflow1.2,发现和教程不匹配,后期在使用他们编译好的模型的时候无法加载,因此不得以要使用python3.5进行安装tensorflow1.2。所以这次使用命令行安装。二、安装打开如下的命令行输入命令conda create -n tensorflow_1.2 python=3.5进行安装,上面的命令是使用python的版本为3.5创建一个名为tensorflow_1.2的虚拟环境。过一会系统会列出需要安装的软件包,输入y即可。出现下图这样则原创 2021-05-16 15:43:55 · 2734 阅读 · 0 评论 -
如何显示经过Normalize的图像数据
我们将过行归一化的图片数据显示出来后会发现不是正常的图片。因此需要进行反归一化操作。当我们需要将Normalize之后的图片显示出来的时间,如果数字相同还好,否则很是麻烦。经过研究了一番之后写出了一个比较通用的方法。如下比如ImageNet的数据Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])]。进行下如操作import matplotlib.pyplot as pltdef inverse_normalize(batch_image,原创 2021-04-24 16:54:49 · 2698 阅读 · 2 评论 -
MatPlotLib实践编程(二)
一、简单的例子本文课pyplot风格,pyplot风格通常不如面向对象编程灵活。在这里看到的大多数函数调用也可以作为Axes对象的方法调用。我们建议浏览tutorials和例程来了解它是如何工作的。参考教程:https://matplotlib.org/stable/tutorials/introductory/pyplot.html使用pyplot可以方便的产生可视化图像import matplotlib.pyplot as pltplt.plot([3, 8, 2, 9])plt.yla原创 2021-03-30 09:53:15 · 663 阅读 · 3 评论 -
MatPlotLib实践编程(一)
一、说明1.1 学习背景在机器学习的学习过程中要用到matplotlib进行画图来显示统计数据,因此这让我必须要学习他。打算从官方文档做为学习引导,在学习完最基础的内容后秉承用到什么学什么即可。1.2 参考从官方手册开始。二、使用指南1. 一个简单的例子创建数轴并在上面描些点import matplotlib.pyplot as pltimport numpy as npfig, ax = plt.subplots() # Create a figure containing a s原创 2021-03-29 20:38:42 · 257 阅读 · 2 评论 -
TensorBoard可视化基础教程
一、说明我最常用的是使用TensorBoard观察loss以及准确度曲线,在此基础版本里只进行这两类曲线的编写说明。二、代码编写from torch.utils.tensorboard import SummaryWriter #导入必须的包writer = SummaryWriter("runs/test") #创建文件写入目录,即在当前目录下创建runs/test目录,以后的内容都写到test目录里以上简单的两个即可完成tensorboard的初始化工作,原创 2021-03-25 22:30:58 · 1454 阅读 · 2 评论 -
TensorBoard可视化进阶教程
一、说明在上一篇的基础教程中我们知道了如何查看训练过程中的loss以及精度曲线,本节我们研究更多的显示中间过程。参考:https://pytorch.org/docs/stable/tensorboard.html二、材料准备1.定义网络这里采用AlexNet网络并稍加改动做为研究对象。import torchimport torch.nn as nnclass AlexNet(nn.Module): def __init__(self, num_classes=10):原创 2021-03-29 16:46:31 · 363 阅读 · 0 评论