可视化双层网络，上下层是相同节点，可建模同一群人在不同领域的社交情况。 【解压，找到电脑中已安装的multinetx文件夹，替换成我的即可】 详细讲解描述可查看：http://t.csdn.cn/GGmPq

support for： ONNX (.onnx, .pb, .pbtxt), Keras (.h5, .keras), CoreML (.mlmodel), Caffe2 (predict_net.pb, predict_net.pbtxt), MXNet (.model, -symbol.json) TensorFlow Lite (.tflite). experimental support for ： Caffe (.caffemodel, .prototxt), PyTorch (.pth), Torch (.t7), CNTK (.model, .cntk), PaddlePaddle (model), Darknet (.cfg), scikit-learn (.pkl), TensorFlow.js (model.json, .pb) TensorFlow (.pb, .meta, .pbtxt).

我找了好几个版本，这个可以成功安装并运行，其他多少都会运行时出问题哈哈，大家可以试试我这一个版本的安装包，很好用

网络防御竞赛网络流量可视化 该显示器专为在 2015 年 Palmetto 网络防御竞赛期间实时显示网络流量而开发。 8 个蓝队和 1 个红队之间来回发送的数据包在屏幕上可视化，其大小和颜色根据协议和数据包大小而变化。 视觉代码的灵感来自于在tablemap下的 2014 DefCon CTF 展示。 因此，我保留了相同的许可证，但他们的代码实际上仅用作参考。 单击查看 YouTube 上的演示。 此可视化工具可以实时可视化流量，或从 pcap 文件重放流量。 安装 应运行以下命令来安装所需的所有依赖项（在 Ubuntu 14.10 x64 上测试）： # sudo apt-get install python-scapy python-pip redis-server # sudo pip install tornado tornado-redis redis netaddr 如果您

NetV.js | 基于WebGL的大型网络可视化引擎。 主页： ： 特征 GPU加速渲染大型图形（千百万个元素） 高FPS的动态渲染图 图形上基于WebGL的快速鼠标交互 用法 从发行版下载NetV.js： ： 或从CDN导入： : 如果使用npm，还可以安装netv： npm install netv 基本示例如下所示： const testData = { nodes : [ { id : '0' , x : 300 , y : 100 } , { id : '1' , x : 500 , y : 100 } , { id : '2' , x : 400 , y : 400 } ] , links : [ { source : '0' , target : '2' }

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

波特诗 哈利波特人物网络可视化。 探索它是否表现出与真实社交网络相同的属性。 安装 本指南在 Mac OSX 终端中进行。 cd ~/Sites/ git clone git@github.com:efekarakus/potter-network.git 打开浏览器并转到以下网址： 127.0.0.1/~/potter-network 数据集 所有数据集都可以在data/文件夹下找到。 有两个重要文件： characters.csv这是我们决定探索的 65 个哈利波特角色的列表。 relationship.csv是每个字符之间的无向关系列表。 类型表示两个角色是盟友还是敌人。 请注意，大多数关系都经过百科的事实核查。 角色 Craig Evans：负责网络的设计、数据收集和实施。 Josh Friedman：负责设计、数据收集和实施三合会。 Efe

清除网络盲点，提升运维效率 智能可视： 完整的原始数据：覆盖全网，清除盲点 智能化的处理，提升工具效率 安全矩阵： 提升安全工具效率 降低开销和管理压力 主动运维： 主动性客户体验监测 快速识别和隔离问题

UCINET软件是由加州大学欧文（Irvine）分校的一群网络分析者编写的。现在对该软件进行扩展的团队是由斯蒂芬·博加提（Stephen Borgatti）、马丁·埃弗里特（Martin·Everett）和林顿·弗里曼（Linton Freeman）组成的。 UCINET网络分析集成软件包括一维与二维数据分析的NetDraw，还有正在发展应用的三维展示分析软件Mage等，同时集成了Pajek用于大型网络分析的Free应用软件程序。利用UCINET软件可以读取文本文件、KrackPlot、Pajek、Negopy、VNA等格式的文件。它能处理32 767个网络节点。当然, 从实际操作来看，当节点数在5000～10000之间时，一些程序的运行就会很慢。 社会网络分析法包括中心性分析、子群分析、角色分析和基于置换的统计分析等。 另外，该软件包有很强的矩阵分析功能，如矩阵代数和多元统计分析。它是目前最流行的，也是最容易上手、最适合新手的社会网络分析软件。

安全技术-网络信息-肿瘤Biomarker的计算系统学研究及生物网络可视化软件的开发.pdf