tensorboard_embedding

from tensorboardX import SummaryWriter
import torchvision

writer=SummaryWriter(log_dir="embedding")
mnist=torchvision.datasets.MNIST("mnist",download=True)
writer.add_embedding(
    mat=mnist.train_data.reshape((-1,28*28))[:100,:],
    metadata=mnist.train_labelS[:100],
    label_img=mnist.train_data[:100,:,:].reshape((-1,1,28,28)).float()/255,
    global_step=0

)

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

           mat (torch.Tensor or numpy.array): 一个矩阵，每行代表特征空间的一个数据点
           metadata (list or torch.Tensor or numpy.array, optional): 一个一维列表，mat 中每行数据的 label，大小应和 mat 行数相同
           label_img (torch.Tensor, optional): 一个形如 NxCxHxW 的张量，对应 mat 每一行数据显示出的图像，N 应和 mat 行数相同
           global_step (int, optional): 训练的 step
           tag (string, optional): 数据名称，不同名称的数据将分别展示
           mat 是二维 MxN，metadata 是一维 N，label_img 是四维 NxCxHxW！

    label_img 记得归一化为 0-1 之间的 float 值