神器来啦!一键可视化,终于能看懂神经网络到底在干啥了
来源:量子位
神经网络在工作的时候,里面到底是什么样?
为了能透视这个“AI黑箱”中的过程,加拿大蒙特利尔一家公司开发一个3D可视化工具Zetane Engine。
只需要上传一个模型,Zetane Engine就可以巡视整个神经网络,并且还可以放大网络中的任何一层,显示特征图,看清流水线上的每一步:
△图注:卷积层的特征图(左)和特征图的3D可视化(右)
目前Zetane Engine不同系统的版本都可以在GitHub中找到(安装包见文末链接),话不多说,来看看Zetane Engine具体的用法吧~
可视化AI工作流程
首先,我们需要上传一个模型,例如一个识别手写数字的神经网络,输入的图片是一个手写的“2”:
上传之后,Zetane Engine就绘制出了一条“流水线”,每一层神经网络就像一个个工作间:
从输入到卷积,再到连接、激活、池化:
这些个小工作间的进展也是透明的,不信我们聚焦到一个卷积层工作间,点这个图片形状的按钮:
然后这个卷积层的所有特征图都会在上面显示出来,卷积数值的不同体现为颜色的不同,蓝紫色代表数值较小,红黄色代表数值较大:
只有这些还不够,高能现在才刚开始,注意图片按钮右边九个点形状的按钮了吗?
点击它,Zetane Engine会在界面右边展示出一个工具栏,把刚才显示在卷积层上面的图片呈现出各种各样的形式~
其中有排列成三维立体的、标注卷积结果数值的,以及纯数值的应有尽有:
二维视角 | |
三维视角 | |
标注卷积结果的平面图 | |
纯卷积结果的数值平面图 |
这样的“工作报告”,谁看了不喜欢?不仅能够可视化地看到卷积过程,还可以调出每一个像素点上的卷积结果。
这还没完,这种多角度的图像处理在连接层、激活层、池化层等工作间也同样适用:
△图注:激活层特征图
△图注:池化层特征图
一整个看下来,神经网络的工作流程都清清楚楚:
到了最后的全连接输出层,模型会输出一个十列的一维向量(下图右边),用来判断手写数字是0-9的哪一个。
在这个例子中,模型给出了可能性最高的就是数字2。
怎么样?有了这样可视化的工具,是不是感觉AI模型不再是一个黑箱了?
Zetane Engine用法速览
Zetane Engine不同系统的版本(Windows、Linux、Mac)都可以在GitHub中找到。
这里我们简单介绍一下Zetane Engine的界面和启动台,方便大家快速熟悉。
打开之后界面是比较简洁的,只有左上角和右上角有一些按钮。我们先看左上角。
上传模型的按钮在启动台左上角Z字标志这里,Zetane Engine支持ONNX、Keras(.h5)以及ZTN三种模型文件。
Z字按钮旁边两个按钮依次是启动模型和清除模型:
如果手头上还没有模型也没关系,点击界面右上角的Z形图标可以到Zetane Engine的模型库中下载模型:
△图注:Zetane Engine的模型库
另外在启动台SNAPSHOTS按钮这里也有一些经典模型可以选择:
感兴趣的同学可以从文末链接中找到Zetane Engine的下载包,来试试吧~
参考链接:
[1]https://github.com/Zetane/viewer
[2]https://www.youtube.com/watch?v=J3Zd5GR_lQs
推荐阅读
【重磅】斯坦福李飞飞《注意力与Transformer》总结,84页ppt开放下载!
苏黎世联邦理工学院SML课题组招收统计机器学习全奖博士生
读博五年,我总结出了7条帮你「少走弯路」的真理
仅需12层网络,在ImageNet上准确率达到80.7%!普林斯顿大学最新提出ParNet!
MobileViT: 一种更小,更快,高精度的轻量级Transformer端侧网络架构(附代码实现)
【移动端最强架构】LCNet吊打现有主流轻量型网络(附代码实现)
基于Attention机制的轻量级网络架构以及代码实现
深度学习中的轻量级网络架构总结与代码实现
一文详解Inception家族的前世今生(从InceptionV1-V4、Xception)附全部代码实现
华为2012实验室诺亚方舟实验室招聘视觉感知算法实习生
欢迎大家加入DLer-计算机视觉&Transformer群!
大家好,这是计算机视觉&Transformer论文分享群里,群里会第一时间发布最新的Transformer前沿论文解读及交流分享会,主要设计方向有:图像分类、Transformer、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、视频超分、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。
进群请备注:研究方向+学校/公司+昵称(如Transformer+上交+小明)
神器来啦!一键可视化,终于能看懂神经网络到底在干啥了相关推荐
- 上传ML模型,一键可视化,终于能看懂神经网络到底在干啥了
行早 发自 凹非寺 量子位 | 公众号 QbitAI 神经网络在工作的时候,里面到底是什么样? 为了能透视这个"AI黑箱"中的过程,加拿大蒙特利尔一家公司开发一个3D可视化工具Ze ...
- 3D 可视化,卷积、池化清清楚楚!网友:终于能看懂神经网络到底在干啥了......
行早 发自 凹非寺 量子位 | 公众号 QbitAI 神经网络在工作的时候,里面到底是什么样? 为了能透视这个"AI黑箱"中的过程,加拿大蒙特利尔一家公司开发一个3D可视化工具Ze ...
- 一张数据可视化大屏看懂2022卡塔尔世界杯
作为四年举办一次的国际足球盛宴,世界杯汇集了世界著名球星,吸引了全世界球迷的支持,谁能夺得最后的冠军成为了人们所关心的.而这些必须得有硬实力为基础,联系到球队以往的战绩,最近的状态,以及教练员的水平等 ...
- 神经网络通俗指南:一文看懂神经网络工作原理
现在谈人工智能已经绕不开"神经网络"这个词了.人造神经网络粗线条地模拟人脑,使得计算机能够从数据中学习. 机器学习这一强大的分支结束了 AI 的寒冬,迎来了人工智能的新时代.简而言 ...
- 终于能看懂的USB协议笔记
一.什么是USB USB的全称是Universal Serial Bus,通用串行总线.它的出现主要是为了简化个人计算机与外围设备的连接,增加易用性.USB支持热插拔,并且是即插即用的,另外,它还具有 ...
- MDN上的Canvas太阳系例子我终于彻底看懂了
来自MDN上的Canvas动画例子–太阳系动画 本文将从例子源码入手,带你从我个人角度理解Canvas太阳系动画的实现,并对一些api做出介绍解释,首先说明我也是刚学习的Canvas,有出错的地方还请 ...
- 一文看懂神经网络中的梯度下降原理 图像说明
本文是一篇关于深度学习优化方法--梯度下降的介绍性文章.作者通过长长的博文,简单介绍了梯度下降的概念.优势以及两大挑战.文中还配有大量生动形象的三维图像,有兴趣的亲了解一下? 从很大程度上来说,深度学 ...
- 稳定、可扩展、模块化、简化部署过程、版本控制……一文看懂 Kubernetes 到底如何运用!...
来源 | Daniele Fontani 编译 | 火火酱,责编 | Carol 出品 | CSDN云计算(ID:CSDNcloud) 说实话,我是个Kubernetes爱好者.Kubernetes是 ...
- 一文看懂神经网络初始化!
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文转自:磐创AI [导读]神经网络的初始化是训练流程的重要基础环 ...
最新文章
- FDA转向AI加快药物研发和审批速度
- 在ASP.Net中如何彻底杀死Excel进程
- p2p webrtc服务器搭建系列1: 房间,信令,coturn打洞服务器
- ACM入门之【线段树习题】
- SQL Server2008 表旋转(pivot)技术
- vue项目 一行js代码搞定点击图片放大缩小
- mysql数据库服务器名_mysql数据库服务器名
- 学习ssm框架一般要用多少时间
- c语言两个条件同时成立,为什么if的条件成立else内的条件成立两个程序同时执行...
- Java实验7 五、JVM抛出一个OutOfMemoryError的异常
- MySQL主从复制延迟原因及处理思路
- 查看redis安装路径
- go-swagger注解使用
- 压测学习总结——高并发性能指标:QPS、TPS、RT、吞吐量详解
- 【原生微信小程序】 组件的使用,权限弹窗
- Word无法打开该文件,因为文件格式与扩展名不匹配
- 高德地图Amap搜索定位
- 尚驰SHANGCHI汽车美容店尚驰洗车店兰州洗美行业中国的工匠力量
- 我将进化成一条狗(3)——区块链
- 解决win10系统搜索、网络连接按钮无法使用以及windows无法访问指定设备、路径或文件缺少权限的问题
热门文章
- master线程的主循环,后台循环,刷新循环,暂停循环
- 安装了libevent和memcached之后却发现在执行的时候出现了 error while loading shared libraries问题...
- [CTO札记]搜索结果第3页,也会进来
- c语言utc时间转换北京时间_C/C++标准库之转换UTC时间到local本地时间详解
- 饭后半小时养胃黄金期
- mxnet中ndarray*ndarray用来作为掩码进行与运算的用法
- JAVA Future
- plt.scatter参数详解 s=25代表点的面积
- build.xml(黎活明安全管理部署文件)
- api ajax解析json数据库,api ajax解析json数据库