8.EMBEDDINGS 展示嵌入向量的可视化效果

最新推荐文章于 2025-04-28 09:41:18 发布

zmjames2000

最新推荐文章于 2025-04-28 09:41:18 发布

阅读量967

点赞数

CC 4.0 BY-SA版权

分类专栏： TensorFlow_notebook 文章标签： Embedding Visualization Tensorflow mnist_10k_sprite MNIST嵌入式向量可视化效果

本文链接：https://blog.youkuaiyun.com/zmjames2000/article/details/100837709

本文介绍如何利用Tensorflow对MNIST数据集的嵌入向量进行可视化，展示了10k_sprite图片的使用，帮助理解模型学习的特征表示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

所用到的图片下载连接 >>>please_click_url

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

mnist = input_data.read_data_sets("MNIST_data", one_hot=True)

image_num = 10000
DIR = r'E:/logs/'
n_batch = 100
# tf.stack矩阵拼接函数，
embedding = tf.Variable(tf.stack(mnist.test.images[:image_num]), trainable=False, name='embedding')

sess = tf.Session()

def variable_summaries(var):
    with tf.name_scope('summaries'):
        mean = tf.reduce_mean(var)
        tf.summary.scalar('mean', mean)
        with tf.name_scope('stddev'):
            stddev = tf.sqrt(tf.reduce_mean(tf.square(var - mean)))
        tf.summary.scalar('stddev', stddev)
        tf.summary.scalar('max', tf.reduce_max(var))
        tf.summary.scalar('min', tf.reduce_min(var))
        tf.summary.histogram('histogram', var)  ##直方图

with tf.name_scope('input'):
    x = tf.placeholder(tf.float32, [None, 784], name='x_input')
    y = tf.placeholder(tf.float32, [None, 10], name='y_input')
    keep_prob = tf.placeholder