参考文档：https://mp.weixin.qq.com/s/UYnBRU2b0InzM9H1xl4b4g在之前的第二篇笔记中，我们实现了一个 CNN 网络，在 mnist 上通过两个卷积层完成分类识别。但是在我们调试代码的过程中，其实往往会想要知道我们的网络训练过程中的效果变化，比如 loss 和 accuracy 的变化曲线。当然，我们可以像前面的文章一样，将训练过程中的数据数据打印出来，但
文章目录1. 效果图2. 完整代码3. 代码说明4. 可视化梯度，feature 文章中的代码是参考 基于Pytorch的特征图提取编写的代码本身很简单这里只做简单的描述。 1. 效果图 先看效果图(第一张是原图，后面的都是相应的特征图，这里使用的网络是resnet50，需要注意的是下面图片显示的特征图是经过放大后的图，原图是比较小的图，因为太小不利于我们观察):2. 完整代码impor
转载
2024-05-31 10:16:11
240阅读
导言： 在CV很多方向所谓改进模型，改进网络，都是在按照人的主观思想在改进，常常在说CNN的本质是提取特征，但并不知道它提取了什么特征，哪些区域对于识别真正起作用，也不知道网络是根据什么得出了分类结果。 如在上次解读的一篇论文《Feature Pyramid Transformer》(简称FPT
转载
2024-06-14 21:13:53
121阅读
# NLP特征可视化实现指南
作为一名经验丰富的开发者，我将教会你如何实现NLP特征可视化。在本文中，我将向你展示一个简单的流程来实现这一目标。首先，让我们来看一下整个流程的步骤。
## 流程步骤
下表列出了实现NLP特征可视化的步骤。
| 步骤 | 动作 |
| ---- | ---- |
| 步骤1 | 数据收集 |
| 步骤2 | 数据预处理 |
| 步骤3 | 特征提取 |
| 步
原创
2023-10-11 04:13:10
158阅读
# Python 高维特征可视化
在机器学习和数据分析领域，特征工程是非常重要的一环。特征工程涉及到对原始数据进行预处理和转换，以提取有用的特征。然而，当数据具有高维度时，理解和可视化特征变得更加困难。在本文中，我们将介绍一些用于可视化高维特征的方法，并使用Python来实现这些方法。
## 1. 降维技术
降维是一种将高维数据转换为低维数据的技术。这种转换可以帮助我们更好地理解和可视化数据
原创
2023-12-31 08:04:38
253阅读
最近看了一下百度的热力图，通过百度地图，确实是一个实时大数据渲染的一个形象表达形式，正好借这个机会学习一下，刚买的机械键盘，发现有两个好处：每天不写点代码（或调试），感觉对不起这价钱啊，估计我之前买的所有键盘+鼠标花费总和都不如这个键盘贵；其次就是控制自己不再吃零食了，怕掉进键盘里心疼啊。  
转载
2024-01-05 14:40:44
17阅读
1. 可视化单张图片from torch.utils.tensorboard import SummaryWriter
import torch
if __name__ == '__main__':
summary_writer = SummaryWriter(log_dir='log_image', comment='test tensorboard image', filename
转载
2024-04-11 10:17:02
276阅读
目录TensorBoardCreate a summary writerGeneral api formatAdd scalar`add_scalar``add_scalars`Add graph (visualize a model)Add histogramAdd imageadd_imagetorchvision.utils.make_gridadd_imagesAdd figureAdd
可视化库常见可视化库D3.js 目前 Web 端评价最高的 Javascript 可视化工具库(入手难)ECharts.js 百度出品的一个开源 Javascript 数据可视化库Highcharts.js 国外的前端数据可视化库，非商用免费，被许多国外大公司所使用AntV 蚂蚁金服全新一代数据可视化解决方案总的来说：是一个JS插件性能好可流畅运行PC与移动设备兼容主流浏览器提供很多常用图表，且可
转载
2024-01-28 02:29:36
85阅读
https://blog.csdn.net/weixin_39777626/article/details/78598346 现如今大数据已人尽皆知，但在这个信息大爆炸的时代里，空有海量数据是无实际使用价值，更不要说帮助管理者进行业务决策。那么数据有什么价值呢？用什么样的手段才能把数据的价值直观而清
转载
2020-11-24 17:13:00
611阅读
2评论
转自小小蒲公英原文用Python可视化库 现如今大数据已人尽皆知，但在这个信息大爆炸的时代里，空有海量数据是无实际使用价值，更不要说帮助管理者进行业务决策。那么数据有什么价值呢？用什么样的手段才能把数据的价值直观而清晰的表达出来？答案是要提供像人眼一样的直觉的、交互的和反应灵敏的可视化环境。数据可视
转载
2018-12-11 00:48:00
438阅读
2评论
最近一直在搞课题，因为看代码不直观，所以将网络结构进行可视化处理。使用了两种方法，各有优缺点，下面记录一下使用方法供人参考方法一：torchsummary可视化torchsummary可视化是pytorch可视化的一种方法，需要安装库，关于库的安装可以搜一下帖子，然后就是关于使用方法。首先导入这个库，在model里更改需要可视化的结构，这里我可视化的是我的判别器，然后传入网络设定的256x1024
转载
2023-10-26 11:44:16
215阅读
一、数据描述1.1、数据集描述movies数据框包含45456行，有共10列，有adult，belongs_to_collection，budget，genres，homepage等24个，对应每个电影的的一些特征。type：类型director：导演country：国家keyword：关键字score：评分belongs_to_collection：归属popularity：声望revenue：
转载
2023-11-17 13:00:19
119阅读
TensorBoard可以将训练过程中的各种绘制数据展示出来，包括标量（scalars），图片（images），音频（Audio）,计算图（graph）,数据分布，直方图（histograms）和嵌入式向量。
使用TensorBoard展示数据，需要在执行Tensorflow就算图的过程中，将各种类型的数据汇总并记录到日志文件中。然后使用TensorBoard读取这些日志文件，解析
转载
2024-07-31 20:36:54
113阅读
数据可视化简介可视化：用可视形式进行解释的动作或过程；形象化可视化的作用记录信息 分析推理 证实假设 交流思想可视化的原因因为当今处于信息爆炸的时代，处理数据的能力成为了一项至关重要的技术。通过进行可视化可以很好的对大量数据进行处理并很好的展现出来。可视化的总结协助思考 使用感知代替认知 作为大量工作记忆的外界辅助 增强认知能力视觉感知与认识感知：关于输入信号的本质； 看见的东西 认知：关于
转载
2023-12-14 10:56:56
99阅读
TensorBoard是TensorFlow的可视化工具，它可以通过TensorFlow程序运行过程中输出的日志文件可视化TensorFlow程序的运行状态。TensorBoard和TensorFlow程序跑在不同的进程中，TensorBoard会自动读取最新的TensorFlow日志文件，并呈现当前TensorFlow程序运行的最新状态。1、TensorBoard简单介绍：以下的简单代码完成了T
转载
2024-03-25 09:27:41
53阅读
加权图在了解狄克斯特拉算法之前，先介绍一下加权图。如图，假设你要从起点出发到达终点，如果只考虑换乘少，即最短路径。那么可以使用广度优先搜索算法，该算法我之前简单的写过，链接点这里。但是，现在你要找出最快的路径，为此，可使用狄克斯特拉算法。图中，每个数字表示的是时间，单位分钟。这些数字成为权重（weight)，带权重的图成为加权图 (weight graph)，不带权重的图称为非加权图（unweig
转载
2024-09-26 07:32:53
108阅读
一、基础知识残差块如下图所示，假设我们的原始输入为x，而希望学出的理想映射为 f ( x ) （作为 residual_block 上方激活函数的输入）网络的每一层我们看作是：y = H ( x )，也就是这里的输出f ( x )残差网络的一个残差块可以表示为：H ( x ) = F ( x ) + x ,这里的F ( x )等价于residual_block 右图虚线框中的部分那么就
如果我们实现了一个 CNN 网络，在 mnist 上通过两个卷积层完成分类识别。但是在我们调试代码的过程中，其实往往会想要知道我们的网络训练过程中的效果变化，比如 loss 和 accuracy 的变化曲线。当然，我们可以将训练过程中的数据数据打印出来，但是一个是不够直观，另外一个是没有图形的表现力强。所以本篇笔记介绍了 tensorboard 来完成可视化的操作。1. TensorBoard 介
文章目录前言一、效果图二、使用步骤1.使用方法2.注意事项总结 前言最近写论文需要观察中间特征层的特征图，使用的是yolov5的代码仓库，但是苦于找不到很好的轮子，于是参考了很多，只找了这个，但是我觉得作者写的太复杂了（我之前就是这个作者的小粉丝)，在参考了github的yolov5作者给出的issue建议后，自己写了个轮子，没有复杂的步骤，借助torchvision中的transforms将t
