深度神经网络可视化工具集锦-阿里云开发者社区

开发者社区> 玄学酱> 正文

深度神经网络可视化工具集锦

简介:
+关注继续查看

  TensorBoard:TensorFlow集成可视化工具

GitHub官方项目:https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tensorboard

TensorBoard 涉及到的运算,通常是在训练庞大的深度神经网络中出现的复杂而又难以理解的运算。

为了更方便 TensorFlow 程序的理解、调试与优化,Google发布了一套叫做 TensorBoard 的可视化工具。你可以用 TensorBoard 来展现你的 TensorFlow 图像,绘制图像生成的定量指标图以及附加数据。

当 TensorBoard 设置完成后,它应该是这样子的:深度神经网络可视化工具集锦深度神经网络可视化工具集锦

输入下面的指令来启动tensorboard:


tensorboard --logdir=/path/to/log-directory

这里的参数 logdir 指向 SummaryWriter 序列化数据的存储路径。如果logdir目录的子目录中包含另一次运行时的数据,那么 TensorBoard 会展示所有运行的数据。一旦 TensorBoard 开始运行,你可以通过在浏览器中输入 localhost:6006 来查看 TensorBoard。进入 TensorBoard 的界面时,你会在右上角看到导航选项卡,每一个选项卡将展现一组可视化的序列化数据集 。对于你查看的每一个选项卡,如果 TensorBoard 中没有数据与这个选项卡相关的话,则会显示一条提示信息指示你如何序列化相关数据。

TensorFlow 图表计算强大而又复杂,图表可视化在理解和调试时显得非常有帮助。 下面是一个运作时的可式化例子:

深度神经网络可视化工具集锦深度神经网络可视化工具集锦

更多详细内容参考:


  Netscope:支持Caffe的神经网络结构在线可视化工具

官网:http://ethereon.github.io/netscope/quickstart.html
GitHub项目:https://github.com/ethereon/netscope

“A web-based tool for visualizing neural network architectures (or technically, any directed acyclic graph). It currently supports Caffe’s prototxt format.”

Netscope是一个支持prototxt格式描述的神经网络结构的在线可视工具。它可以用来可视化Caffe结构里prototxt格式的网络结构,使用起来也非常简单,打开这个地址http://ethereon.github.io/netscope/#/editor,把你的描述神经网络结构的prototxt文件复制到该编辑框里,按shift+enter,就可以直接以图形方式显示网络的结构了。

比如,以 mnist的Lenet 和 imagenet的AlexNet 网络结构为例,分别把Caffe中caffe/examples/mnist/lenet_train_test.prototxt 和 caffe/models/bvlc_alexnet/train_val.prototxt 文件的内容复制到左侧编译框,按shift+enter,立即就可以得到可视化的结构图,具体每层的参数等,如下:

深度神经网络可视化工具集锦

深度神经网络可视化工具集锦深度神经网络可视化工具集锦

Netscope给出的几个常见CNN网络结构示例:

以上网络的prototxt源文件见:https://github.com/ethereon/netscope/tree/gh-pages/presets 。


  使用 python/draw_net.py绘制网络模型

python/draw_net.py,这个文件,就是用来绘制网络模型的,也就是将网络模型由prototxt变成一张图片。

在绘制之前,需要先安装两个库

1.安装GraphViz


$ sudo apt-get install GraphViz

注意,这里用的是apt-get来安装,而不是pip。

2.安装pydot


$ sudo pip install pydot

用的是pip来安装,而不是apt-get。

安装好了,就可以调用脚本来绘制图片了。

draw_net.py执行的时候带三个参数

  • 第一个参数:网络模型的prototxt文件;

  • 第二个参数:保存的图片路径及名字;

  • 第二个参数:- - rankdir = x,x 有四种选项,分别是LR, RL, TB, BT 。用来表示网络的方向,分别是从左到右,从右到左,从上到小,从下到上。默认为LR。

例:绘制Lenet模型


$ sudo python python/draw_net.py examples/mnist/lenet_train_test.prototxt netImage/lenet.png --rankdir=BT


深度神经网络可视化工具集锦深度神经网络可视化工具集锦

参考阅读:


  Neural Network Playground

官网:http://playground.tensorflow.org
GitHub项目:https://github.com/tensorflow/playground

Deep playground is an interactive visualization of neural networks, written in typescript using d3.js.

PlayGround是一个图形化用于教学目的的简单神经网络在线演示、实验的平台,非常强大地可视化了神经网络的训练过程。深度神经网络可视化工具集锦深度神经网络可视化工具集锦

参考阅读:


  ConvnetJS

官网:http://cs.stanford.edu/people/karpathy/convnetjs/
GitHub项目:https://github.com/karpathy/convnetjs

ConvNetJS is a Javascript library for training Deep Learning models (Neural Networks) entirely in your browser. Open a tab and you’re training. No software requirements, no compilers, no installations, no GPUs, no sweat.

深度神经网络可视化工具集锦深度神经网络可视化工具集锦

Some Online Demos

更多内容请关注官网和GutHub项目README


  WEVI

官网:wevi: word embedding visual inspector
GitHub项目:https://github.com/ronxin/wevi

深度神经网络可视化工具集锦

具体参考:wevi: Word Embedding Visual Inspector


  CNNVis

文章来源:Towards Better Analysis of Deep Convolutional Neural Networks arxiv.org/abs/1604.07043

具体参见:能帮你更好理解分析深度卷积神经网络,今天要解读的是一款新型可视化工具——CNNVis,看完就能用!

摘要: 深度卷积神经网络(CNNs)在许多模式识别任务中取得了很大的性能突破, 然而高质量深度模型的发展依赖于大量的尝试,这是由于没有很好的理解深度模型是怎么工作的,在本文中,提出了一个可视化分析系统CNNVis,帮助机器学习专家更好的理解、分析、设计深度卷积神经网络。

深度神经网络可视化工具集锦


====================================分割线================================


本文作者:军君

本文转自雷锋网禁止二次转载,原文链接

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
windows文件同步工具
  windows 文件同步工具: realTimesync freefilesync second copy          second copy注册码: Name:爱学府软件园 注册码:15BF-E46C-672C
831 0
一个内存增长问题的分析和处理(二)——valgrind工具的用法
valgrind是linux下对C++和C程序进行内存泄露检测的工具,除了内存检测,valgrind还提供了很多其他的功能,这里主要介绍下valgrind的内存检测的功能。   首先是文件的下载,valgrind的官方网址是http://valgrind.org/,最新版本的valgrind是3.9,下载地址如下:http://valgrind.org/downloads/。
995 0
卷积神经网络概述
欢迎大家关注我们的网站和系列教程:http://www.tensorflownews.com/,学习更多的机器学习、深度学习的知识! 卷积神经网络 图像识别问题和数据集 > 计算机视觉中有哪些问题?典型问题:经典数据集。
1224 0
比较赞的网络小工具
应用场景 想生成一个二维码,下载CS工具很麻烦,可能还需要安装;想做个漂亮的PPT,没有很多模板;想画脑图等等,一个简单的工具,如果需要使用一时找不到,那怎么办呢?万能的网络提供了一些小工具的在线使用,快来试试吧! 工具示例 1.
666 0
IPerf——网络测试工具介绍与源码解析(2)
对于IPerf源码解析,我是基于2.0.5版本在Windows下执行的情况进行分析的,提倡开始先通过对源码的简单修改使其能够在本地编译器运行起来,这样可以打印输出一些中间信息,对于理解源码的逻辑,程序实现的过程能够起到事半功倍的效果。
954 0
神经网络
神经网络 如何简单形象又有趣地讲解神经网络是什么? 计算机的潜意识 神经网络入门(连载之一) Deep Neural Networks for Matlab 神经网络研究与应用这块用python好还是matlab? 神经网络、机器学习、模式识别 神经网络理论基础及Python实现 机器学习算法原理...
1131 0
IPerf——网络测试工具介绍与源码解析(3)
【线程的生成】   生成线程时需要传入一个thread_Settings类型的变量,thread_Settings包含所有线程运行时需要的信息,命令行选项参数解析后所有得到的属性都存储到该类型的变量中,作为线程生成的传入值能够决定当前线程扮演的角色。
753 0
IPerf——网络测试工具介绍与源码解析(1)
IPerf是一个开源的测试网络宽带并能统计并报告延迟抖动、数据包丢失率信息的控制台命令程序,通过参数选项可以方便地看出,通过设置不同的选项值对网络带宽的影响,对于学习网络编程还是有一定的借鉴意义,至少可以玩上一段时间。
1027 0
+关注
玄学酱
这个时候,玄酱是不是应该说点什么...
20710
文章
438
问答
来源圈子
更多
+ 订阅
文章排行榜
最热
最新
相关电子书
更多
《2021云上架构与运维峰会演讲合集》
立即下载
《零基础CSS入门教程》
立即下载
《零基础HTML入门教程》
立即下载