论文必备 | 12个神经网络可视化工具

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

本文介绍了了12个将神经网络画地更好看的工具。

1. draw_convnet

一个用于画卷积神经网络的Python脚本

  • https://github.com/gwding/draw_convnet

fee3c8a237835dc48a029e3c6fbde4bd.png

2. NNSVG

  • http://alexlenail.me/NN-SVG/LeNet.html

307db2494b6c8c09f68d07982c667247.png

610d99c7a163feaeaba4f5b1ce22c2b3.png

690ee0876bd88a47209d551760c71560.png

3. PlotNeuralNet

  • https://github.com/HarisIqbal88/PlotNeuralNet

使用latex 来展示神经网络

10489af642003706c06187836a8aa42d.png

4. Tensorboard

  • https://www.tensorflow.org/tensorboard/graphs

dd251b162a1aa8a83af8b713a75b8eb2.png

5. Caffe

  • https://github.com/BVLC/caffe/blob/master/python/caffe/draw.py

使用Caffe/draw.py

0032002707ff1ad622aebb1489b52ad5.png

6.Matlab

  • http://www.mathworks.com/help/nnet/ref/view.html

d64f3d103e526e0ad2a4ae395ecbce5d.png

7.Keras.js

  • https://transcranial.github.io/keras-js/#/inception-v3

1b2bf9d1d3b8f7a16eb299e1d2868523.png

8. DotNet

  • https://github.com/martisak/dotnets

cc402d0051169f6322dfcaff73affa32.png

9.  Graphviz

  • http://www.graphviz.org/

9f1fec138f0a4b464a8bb057f1e8dd9f.png

10. ConX

  • https://conx.readthedocs.io/en/latest/index.html

d2cd0615ec963d4c1f421ac2a946d6d5.png

11. ENNUI 

  • https://math.mit.edu/ennui/

cfbc00be7df95828c9a1b2e3d667696d.png

12.  Neataptic

  • https://wagenaartje.github.io/neataptic/

3caf38438f500c4a5b0835078718e38e.png

好消息,小白学视觉团队的知识星球开通啦,为了感谢大家的支持与厚爱,团队决定将价值149元的知识星球现时免费加入。各位小伙伴们要抓住机会哦!

7bfd1106270075571d9dfa83691f1f38.png

下载1:OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲

在「小白学视觉」公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲

在「小白学视觉」公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。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入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~

9a184dbf7bafde949969984dc2595d14.png

0e37d77178cf475909e9c1027af0d5c5.png

  • 10
    点赞
  • 89
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
引用[1]:CSPNet: A New Backbone that can Enhance Learning Capability of CNN[^1]。引用:yolox在backbone部分引入的focus网络,类似于pooling的策略,但是他没有像maxpooling一样把小的feature丢掉,而是隔一个位置取一个值后堆叠到channel中,因为我们知道通道数越高,表征能力越强。再次我们看一下作者用silu替换了relu,silu的优势在于它是全局可导的,不存在不可导的0点。另外,在backbone部分,我们可以得到的启示就是,怎样将小的conv+bn+silu组成的基本卷积结构构造成不同类型的残差结构。另外,在head部分,作者认为yolov3中的类别和坐标放到一个1∗1卷积得到,会相互影响。因此把它分成两个分支[^2]。 有许多卷积神经网络可视化工具可用于可视化网络结构和特征图。以下是一些常用的工具: 1. TensorBoard:TensorBoard是TensorFlow的官方可视化工具,它可以用于可视化网络结构、训练过程和特征图。通过使用TensorBoard的`tf.summary.FileWriter`和`tf.summary.histogram`等函数,可以将网络结构和特征图保存为TensorBoard可读取的格式,并在浏览器中进行可视化展示。 2. Netron:Netron是一个开源的神经网络模型可视化工具,支持多种深度学习框架的模型可视化,包括TensorFlow、PyTorch、Caffe等。它可以直接加载模型文件,并以图形方式显示网络结构,方便用户进行可视化分析。 3. PyTorch的torchsummary和torchviz:PyTorch提供了torchsummary和torchviz两个库,可以用于可视化PyTorch模型的网络结构。torchsummary可以打印出模型的层次结构和参数数量,而torchviz可以生成模型的计算图。 4. Keras的plot_model:Keras提供了plot_model函数,可以将Keras模型保存为图像文件,以可视化网络结构。该函数可以将模型的层次结构、输入和输出形状等信息绘制成图形,方便用户进行可视化分析。 这些工具可以帮助您更好地理解和分析卷积神经网络的结构和特征图。您可以根据自己的需求选择适合的工具进行使用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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