深度学习可视化工具大盘点(附资源)

作者: 佚名 2017-09-01 10:11:04

深度网络对机器学习研究和应用领域产生了巨大的影响,与此同时却无法很清晰地解释深度网络的来龙去脉。人们一直致力于更透彻地去理解其中复杂的过程。由于人类对于世界的认知和感受主要来自于视觉,良好的可视化可以有效的帮助人们理解深度网络,并进行有效的优化和调节。本文主要基于ICML可视化的workshop和查到的相关论文,分享一下提到的一些先进的可视化概念和方法。

内容主要参考:https://icmlviz.github.io/

ACTIVIS

Facebook 研发的交互式深度学习可视化系统,可以对生产环境中的大规模模型以及器运行的结果进行生动直观的呈现。这一系统可以支持四个方面的可视化。

  • 模型架构及其对应的计算图概览
  • 用于审视激活情况的神经元激活矩阵、以及投影到2D的可视化
  • 可以对于每一个实例结果进行可视化分析
  • 支持增加不同的实例来对不同的实例、子集、类型的激活模式进行比较,寻找误分类的原因

Grad-CAM

Grad-CAM是指Gradient-weighted Class Activation Mapping,研究人员提出利用这种梯度权重激活映射来对卷积神经网络的分类进行解释,在输入的图片中粗略地显示出模型预测出的类别对应的重要性区间。这种方式可以广泛试用于CNN模型家族的模型预测可视化过程。

上图中可以看到对于猫和狗不同的分类,显示出的置信区域也各部相同。同时还能显示视觉问答的过程:

Deep View

研究人员基于Deep View这一可视化工具研究了训练过程中深度网络的进化情况。利用判别矩阵和密度矩阵分别评价神经元和输出特征图在训练中的进化过程,总而建立了十分细致的视觉分析框架,能够有效展示模型在训练过程中局部和全局的特征变化。

参考:

https://www3.cs.stonybrook.edu/~mueller/people/https://101.96.8.164/icmlviz.github.io/assets/papers/2.pdf

一个自然语言处理的交互式可视化工具

能可视化NLP系统的输出,帮助用户更好的理解对于文本数据的处理同时进行一些必要的修正。这样的反馈过程可以帮助改进模型的精度。

参考:https://arxiv.org/pdf/1707.01890v2.pdf

LSTMV

递归神经网络特别是长短时记忆网络是对于时序信号强有力的工具,可以有效的建立和表征时序输入的隐含模式。研究人员对于其中隐藏层随时间的变化十分感兴趣,这一工作主要聚焦于对递归神经网络中的隐藏层动力学可视化。用户可以利用这一工具针对性的选取输入范围并与相同模式的大数据集进行比较,同时还可以利用这一工具对独立的模式进行统计分析。

参考:https://lstm.seas.harvard.edu/

https://vcg.seas.harvard.edu/code-data

Deep Visualization Toolbox

这个工具箱可以对图像在深度学习网络中的各层输出进行直观的可视化:

参考:https://yosinski.com/deepvis

https://github.com/yosinski/deep-visualization-toolbox

https://deeplearning4j.org/overview

数据可视化

参考>>https://colah.github.io

深度学习 可视化工具
上一篇:IEEE论文提出径向变换实现图像增强 下一篇:苏宁体育Biu,无人店又来新伙伴
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

百度CTO王海峰CNCC2019演讲:深度学习平台支撑产业智能化

百度CTO王海峰在会上发表题为《深度学习平台支撑产业智能化》的演讲,分享了百度关于深度学习技术推动人工智能发展及产业化应用的思考,并深度解读百度飞桨深度学习平台的优势,以及与百度智能云结合助力产业智能化的成果。

佚名 ·  2天前
深度学习/计算机视觉常见的8个错误总结及避坑指南

人类并不是完美的,我们经常在编写软件的时候犯错误。有时这些错误很容易找到:你的代码根本不工作,你的应用程序会崩溃。但有些 bug 是隐藏的,很难发现,这使它们更加危险。

skura ·  4天前
2019年深度学习自然语言处理十大发展趋势 精选

自然语言处理在深度学习浪潮下取得了巨大的发展,FloydHub 博客上Cathal Horan介绍了自然语言处理的10大发展趋势,是了解NLP发展的非常好的文章。

HU数据派 ·  2019-10-16 14:10:24
图灵奖得主Yoshua Bengio:深度学习当务之急,是理解因果关系

深度学习擅长在大量数据中发现模式,但无法解释它们之间的联系,而图灵奖获得者Yoshua Bengio想要改变这一点。

佚名 ·  2019-10-15 05:15:00
18个挑战项目带你快速入门深度学习

AlphaGo 大战李世?h之后,深度学习技术便在国内变得异常火。吸引了大批的技术人员争相学习,那么到底如何才能更快速的入门深度学习呢?下面给大家介绍的 18 个挑战项目,通过实践动手带你快速入门深度学习!

实验楼 ·  2019-10-10 14:48:19
盘点 | 8个你可能不知道的深度学习应用案例

深度学习与传统机器学习系统的不同之处在于,它能够在分析大型数据集时进行自我学习和改进,因此能应用在许多不同的领域。

天极网 ·  2019-10-10 14:15:18
2019年较热门的5大深度学习课程

今天,我们将和大家盘点一下,当下较流行的深度学习资源/课程,可以帮助你们提升深度学习技能。

猿哥 ·  2019-09-26 05:16:24
DeepMind一次性开源3个新框架!深度强化学习应用落地即将迎来春天?

深度强化学习(Deep Reinforcement Learning,DRL)一直是近年来人工智能的一些重大突破的核心。然而,尽管 DRL 有了很大的进步,但由于缺乏工具和库,DRL 方法在主流解决方案中仍然难以应用。

杨鲤萍 ·  2019-09-20 09:38:18
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载