minist-CNN-kreas-tsne.py

在进行论文写作时，经常要对深度学习模型的分类结果进行描述，采用t-sne对网络进行可视化是绝大多数高水平论文的必要内容之一。在本资源中，采用卷积神经网络对minist数据集进行识别分类，并采用t-sne可视化卷积神经网络，保存可用于论文的图形。

# -*- coding: utf-8 -*-
“““
Created on Wed Jul 15 17:19:54 2020

@author: xxxx
“““


from keras.datasets import mnist

from keras.utils import to_categorical

 

train_X train_y = mnist.load_data（）[0]

train_X = train_X.reshape（-1 28 28 1）

train_X = train_X.astype（‘float32‘）

train_X /= 255

train_y = to_categorical（train_y 10）

 

from keras.models import Sequential

from keras.layers import Conv2D MaxPool2D Flatten Dropout Dense

from keras.losses import categorical_crossentropy

from keras.optimizers import Adadelta

import matplotlib.pyplot as plt
import keras
from keras import layers
import tensorflow as tf

import numpy as np
from keras.utils import np_utils
from sklearn.decomposition import PCA
from sklearn.manifold import TSNE