
258 | Rozdział 11: Wykrywanie cech przy użyciu sieci głębokiego przekonania
ncols = count if count < 14 else 14
nrows = count//ncols
nrows = nrows if nrows > 2 else 3
fig = plt.figure(figsize=(ncols, nrows), dpi=100)
grid = Grid(fig, rect=111, nrows_ncols=(nrows, ncols), axes_pad=0.01)
for i, ax in enumerate(grid):
x = self.w.T[i] if i<self._input_size else np.zeros(shape)
x = (x.reshape(1, -1) - minw)/maxw
ax.imshow(x.reshape(*shape), cmap=mpl.cm.Greys)
ax.set_axis_off()
fig.text(0.5,1, suptitle, fontsize=20, horizontalalignment='center')
fig.tight_layout()
plt.show()
return
Teraz wykorzystamy tęiinne funkcje nazestawie dan ...