訓練済みモデルを使って特徴を可視化する
訓練済みのニューラルネットは，変更を加えて特徴抽出器にすることができる．特徴抽出は，通常，意味的距離の定義または特定のデータ集合の可視化を行うために転移学習で使われる．この例では，Wolfram Neural Net Repositoryの訓練済みモデルを使って，特徴を抽出し，特徴空間でデータ集合を可視化する．
訓練済みモデルから画像特徴抽出器を作成する．
画像分類器をロードする．
24層から最初の22層を抽出する．
結果のネットは画像を2048の数値に変換する．これらの値は意味的に豊富である．この抽出器を画像で試す．
関数FeatureSpacePlotの内部で抽出器を使って，画像のデータ集合を可視化する．
モデルの中には特徴抽出器として直接使われることが意図されているものもある．GloVe特徴抽出器を使って単語の2D可視化を作成する．
