我正在阅读活动识别文件https://arxiv.org/pdf/1705.07750.pdf。在这里，他们在初始v1使用3D卷积来执行活动识别。我正在听一个讲话，上面写着可视化视频中特征的嵌入空间。
1）可视化嵌入空间意味着什么？您是在查看它所学过的过滤器还是在寻找类似活动的集群？
2）您是否只是想象重量矩阵以查看它捕获的特征？如果是，哪个权重矩阵？
3）tf.summary.image（）有助于可视化权重矩阵吗？
答案 0 :(得分：1)
嵌入空间是某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或其中一个完全连接层的输出上的输出特征映射之一（扁平化）。
可视化的是不权重矩阵，而是某些输入测试数据的生成要素的值。例如，一个人获取完整的测试集并将其传递通过网络，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，嵌入的定义略有不同，但使用方法相同。