사전 훈련된 모델을 사용한 특징 시각화
훈련이 끝난 신경망은 변경을 통해 특징 추출기로 만들 수 있습니다. 특징 추출은 일반적으로 의미적 거리의 정의 또는 특정 데이터 집합의 시각화를 실시하기 위해 전이 학습에 사용됩니다. 이 예는, Wolfram Neural Net Repository의 훈련된 모델을 사용하여, 특징을 추출해 특징 공간에서 데이터 집합을 시각화하는 방법을 보여줍니다.
훈련된 모델에서 이미지 특징 추출기를 작성합니다.
이미지 분류기를 로드합니다.
24층 중 첫 22층을 추출합니다.
결과의 네트워크는 이미지를 2048의 숫자값으로 변환합니다. 이 값은 의미적으로 매우 풍부합니다. 이 추출기를 이미지에 시험해 봅니다.
함수 FeatureSpacePlot 내부에서 추출기를 사용하여 이미지 데이터 집합을 시각화합니다.
모델 중에는 특징 추출기로 직접 사용되는 것도 있습니다. GloVe 특징 추출기를 사용하여 단어의 2D 시각화를 만듭니다.