TensorBoard-PROJECTOR-高维向量可视化

最新推荐文章于 2024-04-12 13:58:12 发布

yyyzhhhhh

最新推荐文章于 2024-04-12 13:58:12 发布

阅读量6.1k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： tensorflow

本文链接：https://blog.youkuaiyun.com/a13602955218/article/details/80988904

PROJECTOR是TensorBoard的一个功能，用于高维向量的可视化，通过PCA和T-SNE等降维技术将向量投影到3D空间。通过生成的sprite图和meta文件，运行tensorboard并查看localhost:6006，可以看到分类效果明显的向量簇。用户可以选择Label by和Color by来查看不同维度，并能在下方选择降维方法，如PCA或T-SNE。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

PROJECTOR用于将高维向量进行可视化，通过PCA，T-SNE等方法将高维向量投影到三维坐标系。

具体操作和解释见代码和注释：

import tensorflow as tf
import mnist_inference
import os

from tensorflow.contrib.tensorboard.plugins import projector
from tensorflow.examples.tutorials.mnist import input_data

batch_size = 128
learning_rate_base = 0.8
learning_rate_decay = 0.99
training_steps = 10000
moving_average_decay = 0.99

log_dir = 'log'
sprite_file = 'mnist_sprite.jpg'
meta_file = 'mnist_meta.tsv'
tensor_name = 'final_logits'

#获取瓶颈层数据，即最后一层全连接层的输出
def train(mnist):
    with tf.variable_scope('input'):
        x = tf.placeholder(tf.float32,[None,784],name='x-input')
        y_ = tf.placeholder(tf.float32,[None,10],name='y-input')

    y = mnist_inference.build_net(x)
    global_step = tf.Variable(0,trainable=False)

    with tf.variable_scope('moving_average'):
        ema = tf.train.Expo