tensorflow嵌入投影机t-sne算法与其他实现的区别？

Question

我一直在使用tensorflow独立嵌入式投影仪(http://projector.tensorflow.org/),并发现它是一个非常有用的可视化工具.但是,当我尝试使用其他实现(例如,Rtsne,sklearn.manifold.tsne)复制t-sne结果时,低维投影似乎非常不同.特别是,在嵌入式投影仪中,群集比使用R或python包学习的群集更加分散.

我使用了相同的困惑,学习率和动量参数.并试图将投影仪中暗示的数据进行球化或不球化.

任何人都可以帮助阐明t-sne算法的张量流投影仪实现与Rtsne等其他实现之间的区别吗？例如,投影机中是否使用了与Rtsne类似的"夸张"参数？什么是优化算法？或者在生成可视化方面有什么特别之处吗？

我相信张量流投影仪的源代码是https://github.com/tensorflow/embedding-projector-standalone中的oss_demo_bin.js文件.不幸的是我不熟悉javascript,发现很难解释.

谢谢!