Python PyTorch SummaryWriter.add_embedding用法及代码示例

本文简要介绍python语言中 torch.utils.tensorboard.writer.SummaryWriter.add_embedding 的用法。

用法:

add_embedding(mat, metadata=None, label_img=None, global_step=None, tag='default', metadata_header=None)

参数：

• mat(torch.Tensor或者numpy.array) -一个矩阵，每一行都是数据点的特征向量

• metadata(list) -标签列表，每个元素都将转换为字符串

• label_img(torch.Tensor) -图像对应每个数据点

• global_step(int) -要记录的全局步长 值

• tag(string) -嵌入名称

将嵌入投影仪数据添加到摘要中。

形状：

mat: (N, D) ，其中 N 是数据数，D 是特征维度

label_img：(N, C, H, W)

例子：

import keyword
import torch
meta = []
while len(meta)<100:
    meta = meta+keyword.kwlist # get some strings
meta = meta[:100]

for i, v in enumerate(meta):
    meta[i] = v+str(i)

label_img = torch.rand(100, 3, 10, 32)
for i in range(100):
    label_img[i]*=i/100.0

writer.add_embedding(torch.randn(100, 5), metadata=meta, label_img=label_img)
writer.add_embedding(torch.randn(100, 5), label_img=label_img)
writer.add_embedding(torch.randn(100, 5), metadata=meta)