可视化嵌入空间（神经网络）是什么意思？

Question

我正在阅读关于活动识别论文https://arxiv.org/pdf/1705.07750.pdf。在这里，他们使用初始v1的3D卷积来执行活动识别。我正在听一场讲话，表示从视频中可视化功能的嵌入空间。

1）可视化嵌入空间意味着什么？您是在查看已经学过的过滤器，还是正在寻找类似活动的集合？

2）您是否只是将权重矩阵可视化以查看它捕获的特征？如果是，哪个权重矩阵？

3）tf.summary.image（）是否有助于可视化权重矩阵？

Answer 1

嵌入空间是一些学习算法产生的特征空间。在（卷积）神经网络的特定情况下，这通常意味着在某个预定义层上的输出特征映射之一（平坦化）或完全连接层之一的输出。

将会看到的是而不是的权重矩阵，但是对于某些输入测试数据所生成的特征值。例如，需要完整的测试集并将其传递到网络，并计算特定图层中每个图像的特征，然后将这些值可视化。

TensorBoard具有自动可视化嵌入和其他功能空间的功能，您应该使用look。

请注意，在某些应用程序上下文（如NLP）中，嵌入的定义稍有不同，但用法相同。