Keras可视化工具包 keras-vis是用于可视化和调试已训练的keras神经网络模型的高级工具包。 当前支持的可视化包括： 激活最大化 显着图 类激活图 默认情况下，所有可视化都支持N维图像输入。 即，它推广到模型的N维图像输入。 该工具包通过干净，易于使用和可扩展的界面将上述所有问题归纳为能量最小化问题。 与theano和tensorflow后端兼容，具有“ channels_first”，“ channels_last”数据格式。 快速链接 阅读位于的文档。 日语版为 。 加入闲暇来提问/讨论。 我们正在中跟踪新功能/任务。 如果您愿意帮助我们并提交PR，将非常乐意。 入门 在图像反向传播问题中，目标是生成使某些损失函数最小化的输入图像。 设置图像反向传播问题很容易。 定义加权损失函数 在中定义了各种有用的损失函数。 可以通过实现来定义自定义损失函数。 from vis . losses import ActivationMaximization from vis . regularizers import TotalVariation , LPNorm fil

d3-force-sampled 该模块包括d3.forceManyBodySampled() ，这是排斥力算法的更快版本。 该模块具有零依赖性。 在实践中， d3.forceManyBodySampled()可以比 D3 的forceManyBody()平均快 2.9 倍计算力导向图布局，后者基于。 它可以在不降低结果图形布局的情况下实现这一点。 该模块使用随机顶点采样 (RVS) 算法。 Barnes-Hut 近似和快速多极方法都使用空间树来计算图中每个顶点或节点上的近似力。 这意味着它们的运行时间为 O(|V| log(|V|)) 并且需要 O(|V| log(|V|)) 空间来使用 |V| 顶点。 相比之下，RVS 的运行时间为 O(|V|) 并且需要 O(|V|^(3/4)) 辅助空间，或总体上需要 O(|V|) 空间。 有关算法的详细信息，请参阅或以获取简化说明。 有关加

旺比 用于分析EEG，ECoG和其他电生理学格式的软件包。 它允许结果的可视化和可用于对睡眠阶段进行评分的GUI。 特征 可以读取以下格式的文件： Axon（.abf，仅ABF2） BCI2000（.dat） 黑石（.nev，.ns2，.ns3，.ns5） 脑视力（.vhdr，.vmrk，.eeg / .dat） EEGLAB（.set，.set / .fdt） 欧洲数据格式（.edf） EGI MFF（.mff） 实地考察（.mat） mne FIFF（.fiff） SystemPlus Micromed（.trc） Moberg（“ EEG，复合，样本系列，复合，MRIAmp，数据”） openephys（.continuous，.openephys） BIDS格式的数据文件 睡眠计分界面 计算频率分析（频谱图），时频分析（短时频谱图，Morlet小波） 检

pointcloud-viewer：基于OpenGL的高效大型点云查看器

艾玛 Emma内存和Mapfile分析器（Emma） 基于任意链接器映射文件进行静态（即，最坏情况）的内存消耗分析。 它会生成大量的.csv文件，这些文件易于过滤和后期处理。 可选的.html和markdown报告以及整洁的数字可以帮助您可视化结果。 给定一个地图文件输入（默认为Green Hills地图文件，但其他配置文件（例如GCC）通过配置选项支持；随附示例）Emma map s到内存的部分（即图像）和/或对象（即模块）的地址区域（在编译时必须知道通过映射文件指定的所有地址）。 这些存储器区域分别被分为两个级别的粒度。 第一级根据您的个人喜好定义任意组（但是，使用与您的微控制器供应商定义的名称相似的名称最有意义）。 之后，将这些区域中的每个区域（第二级）分配给四个广义的预定义存储区域之一（这些区域是： INT_RAM ， INT_FLASH ， EXT_RAM ， EXT_FL

isomap降维matlab代码通过保留距离的期望实现数据可视化 介绍 这个Matlab软件包在降维方面实现了机器学习算法。 它是完全用Matlab语言编写的。 有一个外部依赖关系和更快的-SVD，在此软件包中，C ++附带了benn mex。 注意：此软件包需要Matlab R2018b或更高版本。 为了便于处理此代码，建议您下载。 该演示中的一些玩具 filenames = { ' Circle ' , ' two_moon ' , ' tree_300 ' , ' Spiral ' , ' three_clusters ' , ' DistortedSShape ' }; 比较val的方法如下 'Isomap', 'LLE', 'Laplacian', 'MVU', 'CCA', 'LPP', 'NPE', 'LLTSA' 聚类结果 载入中

VizTracer VizTracer是一个低开销的日志记录/调试/概要分析工具，可以跟踪和可视化您的python代码执行。 您可以查看多个示例程序的结果。 用户界面由。 使用“ AWSD”进行缩放/导航。 单击“？”可以找到更多帮助。 在右上角。 强调 时间轴上带有源代码的详细功能进入/退出信息 超级易于使用，大多数功能无需更改源代码，无软件包依赖性 可选功能过滤器，可忽略您不感兴趣的功能 自定义事件，以记录和跟踪随时间变化的任意数据 使用RegEx记录任意功能/变量，无需更改代码 具有强大的前端或兼容chrome的json的独立HTML报告 适用于Linux / MacOS / Windows 安装 首选的安装VizTracer的方法是通过pip pip install viztracer 基本用法 命令行 假设您有一个要运行的python脚本： python3 my_scri

matlab-rrt-variant：具有可视化功能的2d和3d c空间已实现RRT *，RRT连接，惰性RRT和RRT扩展

D3.js数据可视化项目[视频] 这是发布的的代码存储库。 它包含从头到尾完成视频课程所需的所有支持项目文件。 关于视频课程 如果您要创建沉浸式且有趣的数据可视化项目，那么D3.js是适合您的工具。 它简化了将任意数据绑定到文档对象模型的核心要求，然后将数据驱动的转换应用于文档。 该视频将向您展示D3.js的强大功能以及它可以处理的众多应用程序域。 在课程结束时，您将具有足够的专业知识和信心，可以使用D3.js创建任何类型的数据可视化应用程序 您将学到什么 在本地开发环境中启动并运行以创建D3.js可视化文件 掌握D3.js常规更新模式，并了解如何将其用于将数据映射到可视元素 使用D3.js创建图表，包括线条，条形图，散点图，区域，组合条形图，堆积条形图，饼图和甜甜圈 使用轴，标签，标题，图例等增强图表 使用动画突出显示数据更改 允许用户使用鼠标或触摸与数据进行交互 说明和导航 假设知识

数据可视化-矿物元素 按组可视化矿物中不同元素的数量分布。 在访问已部署的应用程序。 本应用程序中使用的数据是从收集的。 安装 克隆master分支，然后在项目目录中运行以下脚本： npm install安装相关的依赖项 npm start应用 资源 描述 链接 React-用于构建用户界面JavaScript库 D3.js-数据可视化库 d3-force-模拟物理力的D3模块 使用create-react-app创建 此应用是使用，请参阅使用指南