最近，有个项目在社交媒体上火起来了，项目作者是来自维也纳的3D特效师。

创建这样一个CNN可视化工具，是它在硕士论文完成，因为当初学的就是神经网络，学的过程中很难明白卷积层之间是如何相互连接，又如何与不同类型的层连接的。

所以创建这个项目，主要能让此工具的主要功能包括，卷积、最大池化和完全连接层的可视化表示，还有各种能实现更清晰可视化的简化机制等等。

发布这个自己学习成功成果，就是想让初学者通过最直观的方式，来get到CNN的重点，也让人更多深刻的了解明白！

怎么用Unity搞出一个3D网络

在正式上手Unity前，作者先在Houdini软件中，搭建了一个可视化的3D网络原型。

也就是说，要给Unity版3D网络提供一个搭建思路，提前准备好实现展示卷积计算的方法、特征图的形状、边绑定的效果等问题。

提前，预设好神经网络的“形状”，由于之前并没有用过Unity，作者先学习了着色器和过程式几何相关的知识。

这里面，作者发现了一些局限性，他采用的是Unity为着色器开发的语言Shaderlab。

这个语言无法使用着色变化，只有对语义进行预定义的变量，才能让它在顶点、几何和像素着色器之间传递。

而且，它无法任意分配顶点属性，只有位置、颜色、UV等预定义属性。（可能这也是3D网络无法实时改变颜色的原因之一）

在研究了一些实例化（instancing）相关的概念后，作者计划采用几何着色器的方法生成神经网络的连线。其中起点和终点被传递到顶点着色器，并直接转发到几何着色器。

这些线，最多可以由120个顶点组成，因为Unity允许的几何着色器能创建的变量的标量浮点数为1024。

随后，从模型的TensorFlow代码中，生成对应的3D神经网络图像。

其中，Tensorflow-native.ckpt格式的文件，需要存储重构模型图所需的数据、二进制的权重读取和激活值，以及特定层的名字。

在那之后，需要加载这些检查点文件、启动TensorFlow会话，输入训练示例，可以很好的查询每一层的激活函数。

随后编写一个json文件，存储每一层的形状、名称、权重和激活函数，便于读取。

最终展示的效果，看起来是让人容易读懂！

这个项目可不止这国外的小哥想到演示，就在去年时候，一位中国博士就可视化了卷积神经网络，也是每一层的变化都展示得非常清楚，如下图显示那样！

而且在GitHub上星标的5千2星星，热度还行，这个项目，同样用到了边绑定、光线追踪等技术，与特征提取、微调和归一化相结合，将神经网络可视化。

这项项目希望能借由这些技术，来估计神经网络中不同部分的重要性。

如果你对这类3D神经网络可视化感兴趣，可以去小编给的GitHub上项目了解相关详情哦！

开发过程：
https://vimeo.com/stefsietz

已开源的3D神经网络项目：

https://github.com/julrog/nn_vis

中国版的神经网络项目

https://github.com/poloclub/cnn-explainer

参考链接：
https://www.reddit.com/r/MachineLearning/comments/leq2kf/d_convolution_neural_network_visualization_made/
https://mp.weixin.qq.com/s/tmx59J75wuRii4RuOT8TTg
https://vimeo.com/stefsietz
http://portfolio.stefansietzen.at/
http://visuality.at/vis2/detail.html

往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑
本站qq群851320808，加入微信群请扫码：