本文介绍了TensorSpace.js，一个用于在浏览器中3D可视化的JavaScript库，特别适合于理解神经网络的结构和过程。通过交互式3D模型，可以更好地解释模型的内部特征抽象、数据操作和推断生成。文章展示了如何使用TensorSpace.js构建LeNet手写识别模型，并指出在展示模型、解释模型细节或构建演示时，TensorSpace.js是一个直观的工具。
3d可视化卷积神经网络
by Chenhua Zhu
朱辰华
引入TensorSpace.js —一种在浏览器中3D可视化神经网络的方法 (Introducing TensorSpace.js — A Way to 3D Visualize Neural Networks in Browsers)
Neural networks were always something high-level, unreachable and mysterious before I took my first deep learning class. To me they were just magic: neural network applications could complete tasks on object detection, image classification and even data prediction in our daily lives.
在我参加第一门深度学习课程之前，神经网络始终是一个高级，不可访问且神秘的事物。 对我来说，它们只是魔术：神经网络应用程序可以完成我们日常生活中的对象检测，图像分类甚至数据预测等任务。
“What does the model compute?” “Why should we use this specific network for this task?” “How could others come up with a structure like this?”
“模型计算什么？” “我们为什么要使用这个特定的网络来完成这项任务？” “其他人怎么能想到这样的结构？”
Maybe you have the same questions as I had. My friends and I have found that sometimes it is really hard to understand and explain neural networks. Then we came up with some ideas:
也许您有与我相同的问题。 我和我的朋友们发现，有时候确实很难理解和解释神经网络。 然后我们提出了一些想法：
Why not visualize a neural network? How about a 3D model? It can be interactive!
为什么不可视化神经网络？ 3D模型怎么样？ 它可以是交互式的！
Since no such thing existed that we could find, we thought, why not create one ourselves? After 6 months, I am proud to introduce our effort: TensorSpace.js.
我们认为，既然不存在我们可以找到的东西，为什么不自己创造一个呢？ 6个月后，我很自豪地介绍了我们的努力： TensorSpace.js 。
最低0.47元/天 解锁文章
259
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
