查看原文
其他

终于能看懂神经网络到底在干啥了...

推荐关注↓

神经网络在工作的时候,里面到底是什么样?
为了能透视这个“AI黑箱”中的过程,加拿大蒙特利尔一家公司开发一个3D可视化工具Zetane Engine。
只需要上传一个模型,Zetane Engine就可以巡视整个神经网络,并且还可以放大网络中的任何一层,显示特征图,看清流水线上的每一步:
图注:卷积层的特征图(左)和特征图的3D可视化(右)
目前Zetane Engine不同系统的版本都可以在GitHub中找到(安装包见文末链接),话不多说,来看看Zetane Engine具体的用法吧~

可视化AI工作流程

首先,我们需要上传一个模型,例如一个识别手写数字的神经网络,输入的图片是一个手写的“2”:
上传之后,Zetane Engine就绘制出了一条“流水线”,每一层神经网络就像一个个工作间:
从输入到卷积,再到连接、激活、池化
这些个小工作间的进展也是透明的,不信我们聚焦到一个卷积层工作间,点这个图片形状的按钮:
然后这个卷积层的所有特征图都会在上面显示出来,卷积数值的不同体现为颜色的不同,蓝紫色代表数值较小,红黄色代表数值较大:
只有这些还不够,高能现在才刚开始,注意图片按钮右边九个点形状的按钮了吗?
点击它,Zetane Engine会在界面右边展示出一个工具栏,把刚才显示在卷积层上面的图片呈现出各种各样的形式~
其中有排列成三维立体的、标注卷积结果数值的,以及纯数值的应有尽有:
二维视角
三维视角
标注卷积结果的平面图
纯卷积结果的数值平面图
这样的“工作报告”,谁看了不喜欢?不仅能够可视化地看到卷积过程,还可以调出每一个像素点上的卷积结果。
这还没完,这种多角度的图像处理在连接层、激活层、池化层等工作间也同样适用:
图注:激活层特征图

图注:池化层特征图
一整个看下来,神经网络的工作流程都清清楚楚:
到了最后的全连接输出层,模型会输出一个十列的一维向量(下图右边),用来判断手写数字是0-9的哪一个。
在这个例子中,模型给出了可能性最高的就是数字2。
怎么样?有了这样可视化的工具,是不是感觉AI模型不再是一个黑箱了?

Zetane Engine用法速览

Zetane Engine不同系统的版本(Windows、Linux、Mac)都可以在GitHub中找到。
这里我们简单介绍一下Zetane Engine的界面和启动台,方便大家快速熟悉。
打开之后界面是比较简洁的,只有左上角和右上角有一些按钮。我们先看左上角。
上传模型的按钮在启动台左上角Z字标志这里,Zetane Engine支持ONNX、Keras(.h5)以及ZTN三种模型文件。
Z字按钮旁边两个按钮依次是启动模型和清除模型:
如果手头上还没有模型也没关系,点击界面右上角的Z形图标可以到Zetane Engine的模型库中下载模型:
图注:Zetane Engine的模型库
另外在启动台SNAPSHOTS按钮这里也有一些经典模型可以选择:
感兴趣的同学可以从文末链接中找到Zetane Engine的下载包,来试试吧~
参考链接:
[1]https://github.com/Zetane/viewer
[2]https://www.youtube.com/watch?v=J3Zd5GR_lQs

来源:量子位

- EOF -

推荐阅读  点击标题可跳转

1、Python 处理超大 JSON 文件,这个方法简单!

2、快 45%,Python 3.11 性能表现优异

3、8.5K Star!  检查 Python 代码内存分配的利器


↓推荐关注↓

「Python开发者」日常分享 Python 相关的技术文章、实用案例、工具资源、精选课程、热点资讯等


点赞和在看就是最大的支持❤️

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存