Tensorflow 可视化嵌入空间（神经网络）意味着什么？

我在读一篇关于活动识别的论文。在这里，他们使用3D卷积来执行活动识别。我在听一个演讲，说的是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？你是在看它学过的过滤器，还是在看类似活动的集群

2） 您是否只是将权重矩阵可视化以查看其捕获的特征？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？

嵌入空间是某些学习算法生成的特征的空间。在（卷积）神经网络的特定情况下，这通常意味着某个预定义层的一个输出特征映射（展平）或一个完全连接层的输出

可视化的不是权重矩阵，而是一些输入测试数据的生成特征值。例如，一个人获取完整的测试集并通过网络，计算特定层上每个图像的特征，然后可视化这些值

TensorBoard具有自动可视化嵌入和其他要素空间的功能，您应该仔细研究一下

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，但用途相同