深度学习资源列表

该列表实时更新,欢迎投稿。

1 卷积

1.1 卷积可视化展示

Convolution Visualizer

根据输入的各种参数,输入大小、核大小、步长、补零长度、空洞等参数实时演示卷积运行情况。

太遗憾了,不支持gif

1.2 卷积效果

Spatial convolution

展示了基本的卷积情况。

1.3 立体卷积演示

2DConv on RGB image

例题卷积

这个案例的特别之处在于页面内支持旋转、缩放等操作。

2 GAN网络

2.1 实时生成人脸

这些脸虚拟的,是现实世界中所不存在的,实时模拟产生的。

This Person Does Not Exist

2.2 GAN游乐场

Play with Generative Adversarial Networks in Your Browser!

2.3 简笔画到实物

画个简笔画,给出对应的实物画。

Image-to-Image Demo - Affine Layer

3 神经网络

3.1 神经网络游乐场

尽情的玩耍吧!

4 卷积神经网络可视化

4.1 斯坦福版本

有CIFAR-10数据源的:

ConvNetJS CIFAR-10 demo (stanford.edu)

展示卷积神经网络每一层发生了什么(略去了中间许多显示,请访问上述链接观看更细致展示)。

也有MNIST数据源。

ConvNetJS MNIST demo

卷积什么网络操作MNIST,实时看看各层发生了什么。

4.2 Keras

Run Keras models in the browser

支持多种常见网络的可视化展示。

例如,我输入一个数字5,可以看到各个层(卷积层、激活层、池化层、全连接层)都得到了什么结果,非常形象,适合初学者理解卷积神经网络到底发生了什么。

当然,它的可视化还有很多。例如观察GAN:

在图中单击“生成新的噪声”(Generate New Noise)即可将噪声映射为一个数字。

4.3 CNN解释器

这个是top级别的!!!!!

CNN Explainer

乍看起来,好像没有什么特别之处。

不就是解释吗?前面的不是都挺好的吗?

关键在于,这个解释器是可以交互的!单击其中的任何一个单元,都是可以进行更细粒度的观察的。例如:

我认为是这个解释器是除了唐僧以外,把“我是谁,我从哪里来,我要到哪里去”这个三个哲学问题解释得最明白的了!

这是一个,其余的工具都不看,也要看看的交互工具。

4.4 Jason Yosinski工具

这个视频在Youtube上,不过应该已经搬到了B站,大家可以找一下。

Jason Yosinski

4.5 LeNet的MNIST可视化

https://cs.ryerson.ca/~aharley/vis/

更直观地感受每一层里面到底都是什么。

4.6 多个网络的过程可视化

TensorSpace Playground

该网站提供了多个不同的网络的不同形式可视化。

下图中,数字3是我写的,左侧是其网络内部可视化结果。

注意,左侧网络是可以通过不同形式拖拽进行旋转以观察不同视角的。

看看旋转视角。

提供了多种不同的网络形式:

看下AlexNet训练图像的。

GitHub - tensorspace-team/tensorspace: Neural network 3D visualization framework, build interactive and intuitive model in browsers, support pre-trained deep learning models from TensorFlow, Keras, TensorFlow.js

4.7 多种可视化

An Interactive Node-Link Visualization of Convolutional Neural Networks

各种各样的可视化,看看主要内容:3D的2D的,全连接的,卷积的。随便选一个看看吧!

下面的这个3D的卷积网络,拖动鼠标可以调整视角、缩放。

对应参考文献:

https://adamharley.com/nn_vis/harley_vis_isvc15.pdf

5绘图工具

5.1 卷积网络绘图工具

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

有了这个,妈妈再也不用担心我的绘图啦!

小学生都可以在这上面绘图啦!

5.2 根据结构绘图

Netscope

在左边写上网络结构,右边会自动显示网络结构图。

编辑切换为居中

示意图

5.3 网络结构

Netscope CNN Analyzer

这个不需要绘制,它有预置模型,直接选择进去就看到了。

在想查看细节的节点停留鼠标,可以查看细节。

下来,也可以看文字版网络结构,及更详细的节点信息。

6 降维

6.1 降维可视化

支持多个模型,多种方式降维。

Embedding projector - visualization of high-dimensional data

我们以MNIST的T-SNE降维为例,训练600轮时,可以看到降维效果很不错,将28*28共784个维度的信息降为了二维(x,y)。根据需要可以继续训练,也可以选择二维、三维不同的维度。

会显示学习过程,过程如下图:

6.2 斯坦福版本

t-SNE visualization of CNN codes

图像使用t-SNE降维代码。

6.3 MNIST降维

Visualizing MNIST: An Exploration of Dimensionality Reduction

上面有按步骤的GIF动画演示。

7源代码

7.1 卷积核可视化

Convolution filter visualization - Keras 中文文档

8 风格迁移

8.1 一笔一笔画出来

GitHub - jiupinjia/stylized-neural-painting: Official Pytorch implementation of the preprint paper "Stylized Neural Painting", in CVPR 2021.

这个项目的特色在于一笔一笔画出来。

9 工具库

9.1 可视化工具

GitHub - raghakot/keras-vis: Neural network visualization toolkit for keras

10其他可视化工具

10.1 梯度可视化

梯度与最优化

10.2 cs231n提供的可视化

Index of /teaching/cs231n-demos

该课程提供了2个可视化工具:

分别是是knn和线性分类器。

11 数据集

11.1 kaggle

Search | Kaggle

支持搜索,如果我想找猫:

12 网络结构等

12.1 神经网络动物园

The Neural Network Zoo - The Asimov Institute

100 导航页

100.1 导航页面

Visualizing and Interpreting Convolutional Neural Network

里面提供了可供参考的论文、在线可视化项目等等。

评论
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

打赏作者

superdont

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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