TensorBoard projector 中的 PCA 如何连接到训练好的模型？
How PCA in TensorBoard projector is connected to the trained model?
我正在尝试在 TensorFlow 中对结构化数据实施多标签分类器。我正在使用具有两个完全连接层的神经网络，但我还集成了此 example 中所述的嵌入，因此我可以在 TensorBoard 投影仪中看到 PCA 图。我注意到，当我更改模型时，PCA 图保持不变。那么 TensorBoard 投影是如何连接到模型的呢？以及如何使用此 PCA 的结果进行预测，例如找到新样本的最近邻居？
嵌入投影你给什么张量？如果你给出你的输出向量：因为你的模型应该给出相同的输出，它会给你一个有点相似的投影，因为模型被训练为输出相同的东西。
要有所不同，您可能需要在隐藏层之一或输出层之前的任何层（最有可能不是输入层）上创建嵌入。
至于 PCA，它是一种组织和显示数据集的方法。它不是用于预测，而是用于深入了解您的模型如何对数据进行分组。
要获得最近邻，您可以使用任何高维距离方程。 （euclidian, cosine distance 等...）。
我正在尝试在 TensorFlow 中对结构化数据实施多标签分类器。我正在使用具有两个完全连接层的神经网络，但我还集成了此 example 中所述的嵌入，因此我可以在 TensorBoard 投影仪中看到 PCA 图。我注意到，当我更改模型时，PCA 图保持不变。那么 TensorBoard 投影是如何连接到模型的呢？以及如何使用此 PCA 的结果进行预测，例如找到新样本的最近邻居？
嵌入投影你给什么张量？如果你给出你的输出向量：因为你的模型应该给出相同的输出，它会给你一个有点相似的投影，因为模型被训练为输出相同的东西。
要有所不同，您可能需要在隐藏层之一或输出层之前的任何层（最有可能不是输入层）上创建嵌入。
至于 PCA，它是一种组织和显示数据集的方法。它不是用于预测，而是用于深入了解您的模型如何对数据进行分组。
要获得最近邻，您可以使用任何高维距离方程。 （euclidian, cosine distance 等...）。