最全深度学习训练过程可视化工具（附github源码）

最新推荐文章于 2024-05-30 11:30:00 发布
最新推荐文章于 2024-05-30 11:30:00 发布
阅读量602 收藏 9
点赞数 2
文章标签： 可视化 算法 机器学习 人工智能 java
原文链接：https://mp.weixin.qq.com/s?__biz=MzI2Nzg4NjA5OQ==&mid=2247512687&idx=2&sn=f52c3b71e51eecd4941390ad0ee0a408&chksm=eafaf913dd8d70057f3e5f5fd3c118bc1abdda81b6d1b68ba584885e11c6b2b5bbeda56f6b01&scene=126&&sessionid=0
版权

 编辑丨极市平台、机器学习实验室

导读

 

本文介绍了多个能将深度学习训练过程进行可视化的工具，帮助大家更好地理解深度学习，非常实用。

深度学习训练过程一直处于黑匣子状态，有很多同学问我具体怎么解释？其实很多还是无法可解释，但是通过可视化，具体可以知道深度学习在训练过程到底学习了哪些特征？到底对该目标的哪些特征感兴趣？这些我们现在已经有很多渠道可以得知，我先给大家介绍几个比较好的工具！

ae48740ea06472a05e5e636ec460bba8.png

1.深度学习网络结构画图工具

地址：

https://cbovar.github.io/ConvNetDraw/

5d4bc2f955ce25bc33a9d4911328f218.png

2.caffe可视化工具

输入：caffe配置文件 输出：网络结构

地址：

http://ethereon.github.io/netscope/#/editor

4d38acfe8833f8494f5a06606122050e.png

3.深度学习可视化工具Visual DL

Visual DL是百度开发的，基于echar和PaddlePaddle，支持PaddlePaddle，PyTorch和MXNet等主流框架。ps：这个是我最喜欢的，毕竟echar的渲染能力不错哈哈哈，可惜不支持caffe和tensorflow。

地址：

https://github.com/PaddlePaddle/VisualDL

4.结构可视化工具PlotNeuralNet

萨尔大学计算机科学专业的一个学生开发。

地址：

https://github.com/HarisIqbal88/PlotNeuralNet

其实还有很多可视化工具，但是今天我要说的是，训练过程的可视化，与TF的可视化类似，但是这个操作更加简便！

81de386bd73f50e34a946b4b652367a3.png

这个工具到底把训练过程展示得多么详细？简单来说，项目作者已经给你做好了一个可以交互的界面，你只需要打开浏览器加载出这个界面就可以了。CNN Explainer 使用 TensorFlow.js 加载预训练模型进行可视化效果，交互方面则使用 Svelte 作为框架并使用 D3.js 进行可视化。最终的成品即使对于完全不懂的新手来说，也没有使用门槛。下面我们来看一下具体的效果。

1cb9e8a0d57a5d1970bc5af204887f2a.gif

卷积

f731c7be8aa1ed2319b3cd88ea568797.gif

7a7b0cbcd796bfe72bebc56a5977661b.png

5a562a91385fc94442162a37c6ff70eb.gif

超参数

dd77dce4bd99130e0754919519350f70.png

softmax

33fae1f31bb4cfab71d17f7203ea0ecd.png

08db4cc5faf6318812672fc4b505a406.gif

ReLU

c04a379172e56588ed1ab2e142a26f52.png

MaxPool

f7e3ecc1e8d5bcc48d1214c80013bc1b.png

152c61153da6eb20ed4f7c28a644d9ca.gif

通过整个过程，想必大家对过程有详细了解，如果你技术好的，你可以通过深度学习平台直接可视化训练过程，那个过程想必比这个更加详细。

本文仅做学术分享，如有侵权，请联系删文。

干货下载与学习

后台回复：巴塞罗那自治大学课件，即可下载国外大学沉淀数年3D Vison精品课件

后台回复：计算机视觉书籍，即可下载3D视觉领域经典书籍pdf

后台回复：3D视觉课程，即可学习3D视觉领域精品课程

计算机视觉工坊精品课程官网：3dcver.com

1.面向自动驾驶领域的多传感器数据融合技术

2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

9.从零搭建一套结构光3D重建系统[理论+源码+实践]

10.单目深度估计方法：算法梳理与代码实现

11.自动驾驶中的深度学习模型部署实战

12.相机模型与标定(单目+双目+鱼眼）

13.重磅！四旋翼飞行器：算法与实战

14.ROS2从入门到精通：理论与实战

15.国内首个3D缺陷检测教程：理论、源码与实战

重磅！计算机视觉工坊-学习交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有ORB-SLAM系列源码学习、3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、深度估计、学术交流、求职交流等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+昵称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。

4375509b938a71f02d4513b6d88b059e.png

▲长按加微信群或投稿

d1950174fa5ec3d780cade133c5aee89.png

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

4e6be279085cc0463babaa05535e7593.png

 圈里有高质量教程资料、答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~  

Tom Hardy
关注
  • 2
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
深度学习(Deep Learning) 原理与代码实例讲解
程序员光剑
07-20 1000
1. 背景介绍 1.1 问题的由来 在信息爆炸的时代，我们每天都会生成大量的数据。为了从这些数据中获取有价值的信息，我们需要更强大的工具。深度学习作为一种强大的机器学习算法，能够自动从数据中学习并提取有用的特征，因此在许多领域都得到了广泛的应用。 1.2 研究现状
PyTorch深度学习实战（18）—— 可视化工具
最新发布
shangjg3的博客
08-18 123
同时，TensorBoard是一个相对独立的工具，只要用户保存的数据遵循相应的格式，TensorBoard就能读取这些数据，进行可视化。在PyTorch 1.1.0版本之后，PyTorch已经内置了TensorBoard的相关接口，用户在手动安装TensorBoard后便可调用相关接口进行数据的可视化，TensorBoard的主界面如下图所示。Visdom十分轻量级，支持非常丰富的功能，可以胜任大多数的科学运算可视化任务，它的可视化界面如下图所示。命令将服务放至后台运行。
收藏 | 最全深度学习训练过程可视化工具
小白学视觉
05-12 456
点击上方“小白学视觉”，选择加"星标"或“置顶” 重磅干货，第一时间送达仅作学术分享，不代表本公众号立场，侵权联系删除转载于：编辑丨极市平台、机器学习实验室深度学习训练过程一直处于黑匣子状态，有很多同学问我具体怎么解释？其实很多还是无法可解释，但是通过可视化，具体可以知道深度学习在训练过程到底学习了哪些特征？到底对该目标的哪些特征感兴趣？这些我们现在已经有很多渠道可以得知，我先给大家介绍几个比较好...
深度学习可视化工具
04-25
这个py文件是本人自己修改后的，可以存储各层的参数，显示并存储各层所得图片，如有不解可联系1028178968@qq.com
Deep Learning源代码收集-持续更新…
热门推荐
zouxy09的专栏
09-22 9万+
Deep Learning源代码收集-持续更新…zouxy09@qq.comhttp://blog.csdn.net/zouxy09  收集了一些Deep Learning的源代码。主要是Matlab和C++的，当然也有python的。放在这里，后续遇到新的会持续更新。下表没有的也欢迎大家提供，以便大家使用和交流。谢谢。  最近一次更新：2013-9-22Theanohttp://deeplear
深度学习训练过程可视化（附github源码）
机器学习算法那些事
09-17 706
作者丨Edison_G来源丨计算机视觉研究院编辑丨极市平台深度学习训练过程一直处于黑匣子状态，有很多同学问我具体怎么解释？其实很多还是无法可解释，但是通过可视化，具体可以知道深度学习在训...
【AI白身境】深度学习中的数据可视化
hacker_long的专栏
01-22 853
今天是新专栏《AI白身境》的第八篇，所谓白身，就是什么都不会，还没有进入角色。上一节我们已经讲述了如何用爬虫爬取数据，那爬取完数据之后就应该是进行处理了，一个很常用的手段...
Keras深度学习实战——可视化神经网络中间层输出
走向CTO的路上...
05-30 308
在深度学习模型中，中间层输出代表了网络在不同阶段提取的特征信息。可视化这些输出可以帮助我们理解模型的内部工作机制，并用于调试和改进模型。
基于深度学习的面部表情识别python源码+项目说明+模型+数据.zip
04-10
基于深度学习的面部表情识别python源码+项目说明+模型+数据.zip ## 一、项目背景 数据集[cnn_train.csv](https://download.csdn.net/download/qq_45588019/21981932)包含人类面部表情的图片的label和feature。在这里...
GitHub上最受欢迎的57个深度学习开源项目.docx
11-13
以下是一些在 GitHub 上最受欢迎的深度学习项目，涵盖了多个框架和应用场景： 1. TensorFlow：由谷歌开发的第二代机器学习系统，以其强大的计算能力和广泛的社区支持而闻名。TensorFlow 允许用户通过计算流图表示...
深度学习模型可视化画图工具(支持tf, caffe, keras,mxnet等多种框架)——Netron3.5.2
11-07
Netron官方版是一款十分可靠和优秀的模型分析软件。Netron官方版提供了直观清晰的操作界面，可以方便开发人员更加地轻松地传输相应的型，并能够有效地解决在框架间交换模型时需要转换的问题，同时兼容win、mac、linux等操作系统，可以满足大家的不同需求。
VisualDL：深度学习可视化工具包（『飞轮』深度学习可视化工具）
02-05
介绍 VisualDL是PaddlePaddle的可视化分析工具，它提供各种图表来显示参数趋势，并可视化模型结构，数据样本，张量直方图，PR曲线，ROC曲线和高维数据分布。 它使用户可以更清楚，直观地了解训练过程和模型结构，从而有效地优化模型。 VisualDL提供了各种可视化功能，包括实时跟踪度量，可视化模型结构，显示数据样本，呈现张量分布的变化，显示pr曲线，将高维数据投影到低维空间等等。 此外，VisualDL提供了VDL.service，它使开发人员可以轻松保存，跟踪和共享实验的可视化结果。 有关每个功能的特定准则，请参阅《 。 要获得最新的体验，请随时尝试我们的。 当前，Visu
【最新版】Netron-4.0.4-mac.zip【亲测可用】最好的用于神经网络，深度学习和机器学习模型的可视化工具
04-10
Netron是神经网络，深度学习和机器学习模型的查看者。 Netron支持ONNX （ .onnx ， .pb ， .pbtxt ）， .pbtxt （ .h5 ， .keras ）， Core ML （ .mlmodel ）， Caffe （ .caffemodel ， .prototxt ）， Caffe2 （ predict_net.pb ， predict_net.pbtxt ）， Darknet （ .cfg ）， MXNet （ .model ， -symbol.json ）， ncnn （ .param ）和TensorFlow Lite （ .tflite ）。 Netron对TorchScript （ .pt ， .pth ）， PyTorch （ .pt ， .pth ）， Torch （ .t7 ）， Arm NN （ .armnn ）， BigDL （ .bigdl ， .model ）， .npz （ .npz ， .h5 ）， CNTK （ .model ， .cntk ）， Deeplearning4j （ .zip ）， MediaPipe （ .pbtxt ）， ML.NET （ .zip ）， MNN （ .mnn ）， OpenVINO （ .xml ）， PaddlePaddle （ .zip ， __model__ ）， scikit-learn （ .pkl ）， Tengine （ .tmfile ）， TensorFlow.js （ model.json ， .pb ）和TensorFlow （ .pb ， .meta ， .pbtxt ， .ckpt和.index ）。
深度学习源代码
04-07
深度学习源代码，hinton论文附带源代码，包括图像编码和解码两部分。通过训练深层网络降维高位图片数据，并比较复原误差。主要利用级联Boltzmann估计多层网络初始参数，使得多层神经网络可以被很好的训练并得到理想结果。
植物病害分类的深度可解释体系结构（github源码）
慕云
05-12 556
1、研究思路 这些端到端的深度分类器缺乏透明度，这限制了它们在实践中的应用。本文提出了一种新的可训练的可视化植物病害分类方法，该方法基于由两个深度分类器组成的卷积神经网络结构。 The first one is named Teacher and the second one Student. 这种架构利用多任务学习来联合训练Teacher和Student。然后，Teacher和Student之间的交流表示被用作将最重要的图像区域可视化以进行分类的代理。这种新的架构比现有的植物病害可视化方法更清晰。所有实验
可视化深度学习模型的方法/工具
源代码杀手的博客
01-04 1188
可以使用 TensorBoard 来可视化深度学习模型。TensorBoard 是 TensorFlow 中的一个可视化工具，可以帮助您在训练期间和训练后可视化模型的训练曲线、模型结构、激活值和权值分布等信息。可以使用 TensorBoard 的命令行工具或在 Jupyter 笔记本中使用 TensorBoard magic 命令来启动 TensorBoard。此外，还可以使用 Keras 内置的 TensorBoard 回调函数将 TensorBoard 数据写入模型的训练过程中。
【深度学习】PyTorch深度学习训练可视化工具visdom
fengdu78的博客
06-06 1551
PyTorchAuthor：louwillMachine Learning Lab 在进行深度学习实验时，能够可视化地对训练过程和结果进行展示是非常有必要的。除了Torch版本的...
three可视化大屏项目源码 github
06-24
### 回答1： three可视化大屏项目源码github是一个三维可视化大屏展示项目的开源代码存储库，它的主要目的就是让开发者和设计师们可以更加轻松愉快地创建具有良好用户体验的三维可视化大屏展示项目。 该项目基于three.js框架开发，能够让用户通过简单的代码实现复杂的三维图形场景，具有丰富的可视化效果和动态效果，包括3D建模、纹理渲染、动画效果、交互效果等等。在展示方面，该项目可以应用于各种场景，如数据可视化、虚拟现实、游戏等领域。 该项目代码存储库非常详细，包括了完整的文档说明和演示案例，使得开发者在使用和学习该项目时可以得到充分的支持和指导。此外，该项目使用了类似于bootstrap的栅格布局系统，使得大屏尺寸适配和响应式设计变得更加简单。 总之，three可视化大屏项目源码github是一个功能强大、易用性高的三维可视化大屏展示项目，可以帮助开发者和设计师们更加高效地实现各种各样的三维可视化场景展示。 ### 回答2： three可视化大屏项目源码 Github是一个用于Web GL的三维计算机图形库，它提供了构建各种3D动画和游戏的支持和基础，可以在Web浏览器上呈现3D模型、场景、动画和声音。这个项目的灵感来自于数字大屏幕的需求，使用了Three.js的3D引擎和D3.js数据可视化库，可以方便地构建3D可视化大屏幕。 three可视化大屏项目源码 Github包含了一个完整的可视化大屏项目的源代码，其中包括了数据处理、3D场景、WEBGL渲染、布局设计等方面的实现细节。在这一项目中，用户可以自定义数据、构建不同的3D场景和动画效果，而不需要深入了解底层技术原理。 此外，该项目还提供了各类基础示例，方便用户快速上手并了解产品的使用方法。用户可以根据需求设计不同的交互模式和图表，如环形图、柱形图、雷达图、气泡图等，还可以加入各种高级渲染技巧，如镜面反射、阴影效果和动态光源等。这使得该项目在企业数据可视化、大数据分析、互动展览和游戏等领域有着广泛的应用。 总的来说，three可视化大屏项目源码 Github是一个十分有用的开源项目，为广大开发者提供了快速构建3D可视化场景的机会，简化了开发难度，使得大屏幕可视化展示更容易实现，也为数学、物理等学科的教学、科普宣传等领域提供了许多实用的工具和模板。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值