神经网络可视化
神经网络架构和参数的可视化。
描述
这个项目是为我的硕士论文完成的。 可以从论文中获得一般描述:
抽象的
人工神经网络是人工智能研究的热门领域。 大型模型的大小和复杂性的增加带来了某些问题。 神经网络内部工作缺乏透明度,因此很难为不同任务选择有效的架构。 事实证明,解决这些问题具有挑战性,并且由于缺乏对神经网络的深入了解,这种情况变得根深蒂固。 考虑到这些困难,介绍了一种新颖的3D可视化技术。 通过使用来自神经网络优化领域的既定方法,可以估算出经过训练的神经网络的属性。 批处理规范化与微调和特征提取一起使用,以估计神经网络不同部分的重要性。 重要值与各种方法(如边缘捆绑,光线跟踪,3D冒名顶替者和特殊的透明技术)的组合产生了代表神经网络的3D模型。 证明了所提取的重要性估计的有效性,并探索了开发的可视化的潜力。
如何使用
使用描述的参数准备configs/processi
1