深度学习法宝-常用神经网络画图工具、可视化工具

我入坑深度学习已经有一段时间了,实验室开组会作报告,写文章都需要画神经网络的图,我目前用了一些感觉还比较不错的方式,下面做一下总结。
一、 NN-SVG(三种模型)

这个工具可以非常方便的画出各种类型的图,是一位来自于麻省理工学院弗兰克尔生物工程实验室的人开发的, 该实验室开发可视化和机器学习工具用于分析生物数据。

  • github地址:https://github.com/zfrenchee

  • 画图工具体验地址:http://alexlenail.me/NN-SVG/

  • 这个可以绘制三种神经网络结构

  ①全连接结构(Full connected)

     可以更改神经元和连线的颜色,更改每一层的神经元个数,添加删除隐层,常见的功能都已经包括。
在这里插入图片描述

  ②LeNet模型

     这个模型最经典的应用就是mnist手写辨识。mnist手写辨识在这里插入图片描述

  ③AlexNet模型

    这个模型最经典的应用就是kaggle的猫狗识别猫狗训练

二、ConvNetDraw(卷积神经网络)

链接:https://cbovar.github.io/ConvNetDraw/
ConvNetDraw是一个使用配置命令的CNN神经网络画图工具,开发者是香港的一位程序员。

这个使用简单的指令画卷积神经网络的图十分方便!
模型顺序:输入-卷积-激活-池化-…(可能有若干个卷积、激活、池化)-全连接-softmax分类器-输出
在这里插入图片描述

在这里插入图片描述

以上是快速制作常用模型的小软件,当我们需要画自己设计的网络的时候,可能DIY性就比较强了,这时候就需要比较灵活的作图软件

三、visio

(visio2013软件)链接:https://pan.baidu.com/s/18DBZB5AKD-yh4T_J8Pe96w
        提取码:iw5k

  大家都知道这个软件在制作流程图的时候经常使用到,画神经网络也是可以用到的。
visio中主要用到的图形可以在更多形状-常规-具有透视效果的块中找到块图形,拖入绘图区后拉动透视角度调节的黄色点进行调整直到合适为止,其余的块可以按住ctrl+鼠标左键进行拉动复制,然后再进行大小、位置仔细调整就可以了。
  这是我自己画出来的图形,时间比较紧,画的比较一般。
在这里插入图片描述

四、PPT

PPT简直是万能的“制图软件”,只要有一定操作能力,有一定审美,就能画出很美的图,主要问题就是不用专业软件,效率稍微低一些,但是肯定可以做出来的!
这是近期使用ppt做的图(摘下几个),没有神经网络,但是肯定也可以做(插入对应图形,调整角度即可)!

- 这是深度学习基本步骤

在这里插入图片描述

- 这是神经网络基本构成——神经元在这里插入图片描述
- 这是池化过程

在这里插入图片描述

这是目前发现的几个比较好入门而且实用的软件,以后发现了会继续更新!

接下来介绍神经网络的可视化工具

一、tensorwatch
  • 这是python的扩展包,需要提前安装pytorch框架才能正常安装这个package。(这个主要就是动态显示随着epoch的增加,loss和accuracy的变化,使神经网络参数的调整更加高效)
    目前我觉得这个文章写的不错:
    https://blog.csdn.net/qq_29592829/article/details/90517303

  我经过自己的实验,觉得效果还不错。
  作者随机产生的loss和accuracy,经过这个package的调用,将其动态显示成为图表,一目了然。

这个图是我的实验结果:

在这里插入图片描述

后续会不断更新

  • 32
    点赞
  • 239
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
### 回答1: 1. TensorBoard 2. Neural Network Playground 3. D3.js 4. Bokeh 5. Matplotlib 6. Seaborn 7. Plotly 8. Altair 9. ggplot 10. Highcharts 11. Tableau 12. Power BI 13. Google Charts 14. Flourish 15. Chart.js 16. Leaflet 17. Mapbox 18. Deck.gl 19. Vis.js 20. Three.js ### 回答2: 推荐20种可视化深度学习模型的工具: 1. TensorBoard:TensorFlow开发的可视化工具,适用于可视化训练过程中的模型结构、参数和性能等信息。 2. Keras Visualization Toolkit:Keras库提供的一系列可视化工具,包括模型结构可视化、特征可视化和激活可视化等。 3. Netron:一个轻量级的模型可视化工具,支持多种深度学习框架的模型文件可视化。 4. TensorFlow Playground:一个基于Web的交互式可视化工具,用于探索和理解深度学习模型的行为。 5. CaffeVis:Caffe框架的可视化工具,可用于可视化模型中的特征映射和过滤器。 6. MXNet Visualization Toolkit:MXNet库提供的一系列可视化工具,包括网络结构可视化和训练过程可视化。 7. DeepLearning4J:一个跨平台的深度学习库,提供了可视化模型训练过程的功能。 8. NN-SVG:一个用于生成神经网络结构的SVG图像的工具,可用于可视化深度学习模型。 9. Deep Visualization Toolbox:一个基于Matplotlib和Scipy的可视化工具包,用于可视化深度学习模型的特征和权重。 10. Gephi:一个图可视化工具,可以用于可视化深度学习模型中的关系网络。 11. T-SNE:一个用于高维数据降维可视化的算法,可用于可视化深度学习模型中的隐藏层表示。 12. Lucid:一个用于可视化和解释深度神经网络的库,支持多种深度学习框架。 13. PlotNeuralNet:一个用于绘制神经网络结构的Python库,可用于可视化深度学习模型。 14. PyTorch Geometric:一个用于处理图形数据的PyTorch扩展库,可用于可视化和处理图神经网络。 15. DeepArt:一个用于可视化深度学习模型生成艺术作品的工具。 16. DeepExplain:一个用于解释深度学习模型预测结果的工具,提供了多种可视化解释方法。 17. LIME:一个用于可视化解释机器学习模型预测结果的工具,适用于解释深度学习模型。 18. Distill:一个在线期刊,专注于可视化和解释深度学习模型的方法和工具。 19. ModNet:一个用于可视化深度学习模型中的模组化结构的工具。 20. DeepDream:一个用于生成迷幻效果图像的工具,可以用于可视化深度学习模型的激活模式。 ### 回答3: 以下是我推荐的20种可视化深度学习模型的工具: 1. TensorFlow:Google开发的开源深度学习框架,提供了丰富的可视化功能,包括模型结构、损失函数和训练过程的可视化。 2. Keras:基于TensorFlow和Theano的高级神经网络API,也提供了可视化工具,可用于展示神经网络架构和训练进程。 3. PyTorch:Facebook开发的开源深度学习框架,提供了一种可视化工具叫做TensorBoardX,通过它可以可视化模型训练过程。 4. D3.js:一个灵活的JavaScript库,可用于创建各种可视化图表和交互式界面,可以用于可视化深度学习模型的结构、权重等信息。 5. Matplotlib:Python的一个绘图库,可以用于绘制各种图表和可视化深度学习模型的训练结果。 6. Seaborn:Python的一个统计数据可视化库,可以用于绘制各种统计图表,并进行模型结果的可视化。 7. Plotly:一种交互式数据可视化工具,可以生成各种图表和地图,并支持在网页上进行交互。 8. Graphviz:一个用于可视化图形结构的开源图形绘制库,可以用于可视化深度学习模型的结构和运算流程。 9. Gephi:一种用于网络可视化和分析的开源软件,可以用于可视化深度学习模型的结构和拓扑关系。 10. TensorBoard:TensorFlow提供的用于可视化训练过程的工具,可以展示模型结构和性能指标。 11. Deep playground:一个基于TensorFlow.js的在线工具,可以用于可视化深度学习模型的训练和测试。 12. Netron:一个用于可视化深度学习模型结构的工具,支持多种深度学习框架和模型格式。 13. Cytoscape:一个用于生物网络分析和可视化的开源软件,可以用于可视化深度学习模型的结构和拓扑关系。 14. WebGazer:一个用于可视化神经网络模型结构和可视化训练过程的网页工具。 15. TensorSpace:一个用于可视化深度学习模型的开源库,支持多种深度学习框架,并提供了丰富的可视化效果。 16. Neon:一个用于可视化深度学习模型的Python库,提供了多种图表和可视化效果。 17. NetScope:一个用于可视化深度学习模型结构的工具,支持多种深度学习框架。 18. TensorFlow Debugger:一个用于可视化和调试TensorFlow模型的工具,可以查看模型中的各个节点和张量的值。 19. MXNet:一个开源的深度学习框架,提供了可视化工具用于展示模型结构和训练过程。 20. Wandb:一个用于可视化深度学习模型训练过程的在线平台,可以展示训练指标、超参数等信息。

“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 3
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