文章目录
一.ML可视化
- matplotlib绘制精美的折线图——另附颜色、形状查找表
- 机器学习项目完整常用代码-导入包-忽略警告-数据分析-数据清洗-特征工程-模型选择-可视化-hjz
- Matplotlib库可视化
- python数据可视化——直方图、热力图和缺失值可视化
1.机器学习场景
2.常见机器学习模型matplotlib
二.DL可视化
1.卷积过程
例如,使用64个尺寸为3x3的滤波器对224x224x3的图像进行卷积,零填充为1,得到的激活数据体尺寸是[224x224x64]。这个数量就是一千万的激活数据,或者就是72MB的内存(每张图就是这么多,激活函数和梯度都是)。
2.CNN演示-推荐(撕心裂肺)
3.CNN的一些可视化方法
4.CNN可视化知识图解
- 卷积神经网络特征图可视化(自定义网络和VGG网络)-keras
- 深度学习CNN中间特征图-MNIST-Keras
- 深度学习网络和特征图可视化的工具介绍
- DeepVisualization:可视化并理解CNN
- 吊炸天的CNNs,这是我见过最详尽的图解!(上)
- 吊炸天的CNNs,这是我见过最详尽的图解!(下)
5.神经网络
在线演示工具:
ConvnetJS演示:具有2层神经网络的玩具2D分类
三.CV可视化
3.1.模型可视化工具
3.1.2 Netron
Git链接
Netron 是一个离线版的深度学习可视化工具,支持大部分的主流框架,而且是免费开源。
3.1.2. Visual DL
Visual DL是百度开发,基于echar和PaddlePaddle,支持PaddlePaddle,PyTorch和MXNet等主流框架。
ps:echar的渲染能力不错,可惜不支持caffe和tensorflow。
网站:https://github.com/PaddlePaddle/VisualDL
3.1.3 Netscope
Netscope是一个网页版的caffe可视化工具,很简单,很良心,很美观。可惜没有离线版。
网站:http://ethereon.github.io/netscope/#/editor
3.2 模型画图工具
3.2.1 NN-SVG
3.2.2 PlotNeuralNet
3.2.3 draw_convnet
3.2.4 Netscope
Git
caffe的网络结构可视化工具,大名鼎鼎的netscope,由斯坦福AILab的Saumitro Dasgupta开发
3.3 知识图
3.3.1图像分类
例子:以下图为例,图像分类模型读取该图片,并生成该图片属于集合 {cat, dog, hat, mug}中各个标签的概率。需要注意的是,对于计算机来说,图像是一个由数字组成的巨大的3维数组。在这个例子中,猫的图像大小是宽248像素,高400像素,有3个颜色通道,分别是红、绿和蓝(简称RGB)。如此,该图像就包含了248X400X3=297600个数字,每个数字都是在范围0-255之间的整型,其中0表示全黑,255表示全白。我们的任务就是把这些上百万的数字变成一个简单的标签,比如“猫”。