高颜值的神经网络可视化工具:3D、彩色、可定制,还能可视化参数重要性
点击上方,选择星标或置顶,不定期资源大放送!
阅读大概需要5分钟
Follow小博主,每天更新前沿干货
转载自:量子位
最近,一款神经网络可视化工具火了。
这款工具叫做「nn_vis」,它采用了新的3D可视化技术,可以呈现这样的效果:
其作者表示,之所以创建这个工具,是由于神经网络内部缺乏透明度,很难为不同任务选择有效的架构。
nn_vis究竟有什么与众不同?一起来了解一下。
它能够创建神经网络模型,还可以通过参数设置,得到不同的呈现形式;
并且,根据参数重要性的评估结果,对神经网络进行剪枝,从而简化模型;
同时,还可以对神经网络绑定过程实现可视化。
那么,这些功能是怎样实现的呢?
nn_vis利用神经网络优化领域的已有方法,采用批标准化、微调以及特征提取,评估训练后的神经网络不同部分的重要性。
再结合边绑定、光线跟踪、3D impostor和特殊的透明技术等,得到神经网络的3D模型,证明了评估结果的有效性。
具体来看看~
参数准备
首先通过 configs/processing.json ,进行神经网络处理的参数准备,就像这样:
{"edge_bandwidth_reduction": 0.9,"edge_importance_type": 0,"layer_distance": 0.5,"layer_width": 1.0,"node_bandwidth_reduction": 0.95,"prune_percentage": 0.0,"sampling_rate": 15.0,"smoothing": true,"smoothing_iterations": 8
}
也可以在图形用户界面进行设置:
创建神经网络模型
使用可视化工具start_tool.py,并选择神经网络Load Processed Network。
除了现有的网络,还可以生成随机网络,以及处理各种大小的网络。
与最常用的参数相比,可视化可以使训练参数更为结构化。
经过不同的训练,通过旋转、切换相机位置、截屏,可以得到类似这样的效果:
边越靠近,神经网络这些部分的泛化程度就越大,即更容易适应新的数据样本。
• 左侧的神经网络没有经过随机分配的值的训练:节点和边距离中心分布的更远;
• 中间的则经过一些基本训练,达到90%以上的准确性。
• 右侧的神经网络以相同方式训练,并且采用L1正则化防止过拟合,得到了具有相似准确性的最窄的模型。
评估各节点的重要性
根据节点和边的重要性进行着色,不同的颜色表示神经网络的每一部分,用来预测它们的关联性。
通过左图可以看出,修剪不重要的参数,不会像重要参数那样影响模型的预测准确性。
右图则显示出,根据类别的重要性修剪神经网络时,重要类别能够保留准确性。与整体准确性相比,重要类别的准确性始终更高。
通过对神经网络进行剪枝,即剪掉不重要的冗余参数,降低了模型的复杂度和过拟合风险,提升了泛化程度,得到更高效、训练成本更低的神经网络。
由此证明了重要性评估的有效性。
绑定过程可视化
通过不断迭代实现神经网络的绑定,大致过程是这样的:
可视化的神经网络绑定过程:
需要注意的是,处理每层的神经网络需要一定时间,计算并不是实时的。
不同的可视化效果
在图形用户界面或者通过configs/rendering.json,修改着色器参数,包括:
尺寸、对象的基本不透明度、即重要性对不透明度的影响比率、相机的距离对不透明度的影响比率、物体上不同点的密度对不透明度的影响比率、根据对象的重要性定义渲染对象的阈值。
即可得到不同的可视化效果:
对这款工具感兴趣的朋友,可以通过文末链接获取~
GitHub项目地址:
https://github.com/julrog/nn_vis
今日赠书:关注:深度学习技术前沿
消息对话框回复:008,即可参与活动,免费领取下面书籍:
欢迎添加群助手微信,邀请您加入大佬云集-计算机视觉交流群!
???? 长按识别添加,邀请您进群!
高颜值的神经网络可视化工具:3D、彩色、可定制,还能可视化参数重要性相关推荐
- Graphviz:利用可视化工具Graphviz将dot数据进行图像可视化或者图像保存(两大方法)之详细攻略
Graphviz:利用可视化工具Graphviz将dot数据进行图像可视化或者图像保存(两大方法)之详细攻略 目录 graph_feature函数:为给定的特征生成特征谱系图
- 高颜值的神经网络可视化工具:3D、彩色、可定制,还能可视化参数重要性 | 开源...
子豪 发自 凹非寺 量子位 报道 | 公众号 QbitAI 最近,一款神经网络可视化工具火了. 这款工具叫做「nn_vis」,它采用了新的3D可视化技术,可以呈现这样的效果: 其作者表示,之所以创建这 ...
- 一款高颜值开源知识管理工具
[公众号回复 "1024",免费领取程序员赚钱实操经验] 大家好,我是章鱼猫. 今天推荐的这个项目是「think」,云策文档,一款开源知识管理工具,通过独立的知识库空间,结构化地组 ...
- 一款高颜值的 MySQL 管理工具
欢迎关注方志朋的博客,回复"666"获面试宝典 Sequel Pro 是一个 Mac 系统上简单易用的 MySQL 和 MariaDB 数据库管理系统. 服务器和本地都是Mysql ...
- 一款高颜值的MySQL管理工具:Sequel Pro
欢迎关注方志朋的博客,回复"666"获面试宝典 Sequel Pro 是一个 Mac 系统上简单易用的 MySQL 和 MariaDB 数据库管理系统. 服务器和本地都是Mysql ...
- 高颜值免费在线绘图工具新增WGCNA和差异分析
ImageGP从2017年推出后,稳定运行3年,因其使用简单方便,深受广大朋友们喜欢. 独立IP访问20万次,日均使用600次. 如果您对编程不熟悉,使用ImageGP可以快速出图. 如果您对编程很熟 ...
- 开源:一款开源的高颜值现代化桌面美化工具
背景 在日常的工作或学习中,难免会有一些临时的文件夹,文件,应用,出现在你的桌面,但是呢你又不确定它是不是哪一天会突然用到,这样一天又一天,直至你的电脑桌面是一片狼藉,满屏的文件,文件夹,应用,当打开 ...
- oracle可视化工具_零代码玩转数据可视化
大数据可视化,可视化大屏,可视化报表,报表工具,BI - Rocket 大数据可视化,可视化大屏,可视化报表,报表工具,BI - Rocketwww.zhoushankj.com Rocket 致力 ...
- Python学习笔记——数据分析之数据可视化工具实战案例:世界高峰数据可视化
世界高峰数据可视化 (World's Highest Mountains) 参考:https://www.kaggle.com/alex64/d/abcsds/highest-mountains/le ...
最新文章
- python for-Python for windows官方版
- Redis进阶-Stream多播的可持久化的消息队列
- 活动目录从入门到精通
- 在Linux上使用Nginx为Solr集群做负载均衡
- 『ACM--数据结构--字典树』信息竞赛进阶指南--Tire树
- ES6-2 块级作用域与嵌套、let、暂行性死区
- 西北大学计算机科学排名,西北大学计算机科学与信息系统Computer Science and Information Systems世界排名2020年最新排名第151-200位(QS世界排名)...
- Django博客--4.开发博客文章详情页
- 服务器驱动器输入信号,伺服驱动器超大齿轮比驱动控制方法
- 【clickhouse】clickhouse 同时查询数过多 Too many simultaneous queries
- LVS——TUN隧道模式(负载均衡)
- BZOJ3437:小P的牧场(斜率优化DP)
- Linux配置静态IP 详细截图
- 哈工大数据库系统(上):嵌入式SQL语言之基本技巧(九)课后测验与作业
- 硬盘柱面损坏怎么办_硬盘坏道屏蔽工具,详细教您如何修复硬盘坏道
- Win 10 忘记密码不用U盘就可解决
- 前端绝对路径不显示图片_img标签使用绝对路径无法显示图片
- httpServer / proxyServer / nginx 1.7.9
- Python爬虫6:使用API及实例
- 循环神经网络之LSTM、GRU
热门文章
- jQuery Mobile发展新闻阅读器,适应iphone和android打电话
- oracle 11g RAC Grid Infrastructure
- 安装和配置以下合同 14.1管理
- java 两个数交换问题
- Android Json解析方法
- XenApp部署之配置XenApp Server
- 搭建python selenium 自动化测试框架_Python3+Selenium2完整的自动化测试框架实现(二):IE和Chrome浏览器驱动配置...
- SMOTE过采样方法
- tortoiseGit clone大代码,报错 fatal: Not a git repository (or any of the parent directories): .git 问题
- 莫烦老师的tensorflow降级方法