用预先训练的模型可视化特征
可将预训练的神经网络修改成特征提取器。特征提取通常被用于迁移学习，定义语义距离或可视化特定数据集。下面的例子演示如何使用 Wolfram Neural Net Repository 中预先训练的模型来提取特征并在特征空间中可视化数据集。
用预先训练的模型创建图像特征提取器。
加载图像分类器。
提取 24 个网络层的前 22 个层。
生成的网络将图像转换为 2048 个数值。这些值语义丰富。尝试对图像应用此提取器。
用 FeatureSpacePlot 函数内的提取器可视化图像数据集。
可将某些模型直接用作特征提取器。用 GloVe 特征提取器创建单词的 2D 可视化。
