深度学习之网络结构可视化 | 您所在的位置:网站首页 › 数据结构可视化输出图 › 深度学习之网络结构可视化 |
0、前言
本文主要介绍神经网络中网络结构的可视化,其主要内容包括可视化的基本格式以及现有可视化的工具介绍。 1、神经网络图结构可视化 1.1 基本格式(1)深度学习框架自带(keras、pytorch) 直接打印网络: (3) LeNet style(平面图格式,用二维方式,适合查看每一层特征图的大小和通道数) (4) AlexNet style(三维立体图格式,可以更加真实地显示卷积过程中高维数据的尺度变化,但目前仅只支持卷积层和全连接层) 工具较多,这里有一篇比较详细的介绍文章:论文中绘制神经网络工具汇中:链接地址 除了神经网络框架自带,比较简单的一些可视化工具且都支持网页操作的有: 1、NN-SVG 支持三种神经网络结构绘制风格,参数调节也很方便 github :https://github.com/zfrenchee web在线使用:http://alexlenail.me/NN-SVG/ 2、ConvNetDraw ConvNetDraw是一个使用配置命令的CNN神经网络画图工具,命令简单,只需输入模型结构中各层的参数配置,但是它目标分辨率太低了,放大之后不清晰,达不到印刷的需求。 https://cbovar.github.io/ConvNetDraw/ 俗话说一图胜千言,尤其是现在这个繁多且杂乱的大数据时代,如何有效的提取出有用数据并且形象的表示出来就格外重要。神经网络想必大家既熟悉又陌生,不少人入坑深度学习,了解其网络架构,但是不明白其实现机制,也就是外界所说的黑箱操作。现在有不少人在进行深度学习的可视化工作,但前路任重而道远。 |
CopyRight 2018-2019 实验室设备网 版权所有 |