注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Python-flashtorchPyTorch中神经网络的可视化工具包

  2. 在PyTorch中实现的可视化工具包，用于检查神经网络在图像识别任务（特征可视化）中学习的内容。

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：14mb
    • 提供者：weixin_39840924

  1. 【最新版】Netron-4.0.4-mac.zip【亲测可用】最好的用于神经网络，深度学习和机器学习模型的可视化工具

  2. Netron是神经网络，深度学习和机器学习模型的查看者。 Netron支持ONNX （ .onnx ， .pb ， .pbtxt ）， .pbtxt （ .h5 ， .keras ）， Core ML （ .mlmodel ）， Caffe （ .caffemodel ， .prototxt ）， Caffe2 （ predict_net.pb ， predict_net.pbtxt ）， Darknet （ .cfg ）， MXNet （ .model ， -symbol.json ），

  3. 所属分类：深度学习

    • 发布日期：2020-04-10
    • 文件大小：66mb
    • 提供者：hu_zhenghui

  1. 用于神经网络，深度学习和机器学习模型的可视化工具

  2. 支持ONNX（.onnx，.pb，.pbtxt），Keras（.h5，.keras），Caffe（.caffemodel，.prototxt），Caffe2（predict_net.pb，predict_net.pbtxt），MXNet（.model，-symbol.json），ncnn（.param）和TensorFlow等模型可视化

  3. 所属分类：深度学习

    • 发布日期：2020-04-07
    • 文件大小：50mb
    • 提供者：qq_34795071

  1. 神经网络模型可视化工具

  2. Netron是一款神经网络参数模型可视化工具，支持众多框架的神经网络模型可视化，观察模型结构和网络中具体的参数值

  3. 所属分类：互联网

    • 发布日期：2020-11-05
    • 文件大小：53mb
    • 提供者：omg_orange

  1. netron模型可视化工具（4.6.3）

  2. Netron 是神经网络、深度学习与机器学习模型的可视化工具, 支持Caffe, tensorflow, onnx, mxnet。github上下载很慢

  3. 所属分类：深度学习

    • 发布日期：2020-12-03
    • 文件大小：55mb
    • 提供者：tofro

  1. Tensorflow的可视化工具Tensorboard的初步使用详解

  2. 当使用Tensorflow训练大量深层的神经网络时，我们希望去跟踪神经网络的整个训练过程中的信息，比如迭代的过程中每一层参数是如何变化与分布的，比如每次循环参数更新后模型在测试集与训练集上的准确率是如何的，比如损失值的变化情况，等等。如果能在训练的过程中将一些信息加以记录并可视化得表现出来，是不是对我们探索模型有更深的帮助与理解呢？ Tensorflow官方推出了可视化工具Tensorboard，可以帮助我们实现以上功能，它可以将模型训练过程中的各种数据汇总起来存在自定义的路径与日志文件中，然后

  3. 所属分类：其它

  1. 一学就会 | 基于PyTorch的TensorBoard可视化

  2. TensorBoard这款工具你是一定要掌握的可视化工具。为什么我要这么说呢？因为TensorBoard可以用来展示神经网络图、张量的指标变化、张量的分布情况等。我相信您阅读了本文，你就会了解到TensorBoard可视化工具的强大之处，让我们一起开始学习吧！阅读本文大约需要15min。 本文相关推荐阅读： 一学就会 | PyTorch入门看这篇就够了 文章目录全文框架简介安装TensorBoardTensorBoard中主要功能函数介绍SummaryWriter类SummaryWriter类的

  3. 所属分类：其它

  1. 一学就会 | 基于PyTorch的TensorBoard可视化

  2. TensorBoard这款工具你是一定要掌握的可视化工具。为什么我要这么说呢？因为TensorBoard可以用来展示神经网络图、张量的指标变化、张量的分布情况等。我相信您阅读了本文，你就会了解到TensorBoard可视化工具的强大之处，让我们一起开始学习吧！阅读本文大约需要15min。 本文相关推荐阅读： 一学就会 | PyTorch入门看这篇就够了 文章目录全文框架简介安装TensorBoardTensorBoard中主要功能函数介绍SummaryWriter类SummaryWriter类的

  3. 所属分类：其它

  1. ChainPlot.jl:流量链神经网络的可视化-源码

  2. 链图 的Chain神经网络的图形可视化。 它使用的配方工具为Flux.Chain实现了一个绘图配方。 该存储库用于制作配方原型。 当前无意使其成为已注册的Julia软件包。 相反，目标是将其PR到 不过，欢迎您直接通过github安装它，随意使用它，并为改进它做出贡献。 当前状态 目的是获得与链接中相似的图形表示 ; 和 。 目前，该配方适用于密集和（RNN和LSTR）递归层，以及此类层的链。 一点味道： julia > using Flux julia > using

  3. 所属分类：其它

  1. Tensorflow的可视化工具Tensorboard的初步使用详解

  2. 当使用Tensorflow训练大量深层的神经网络时，我们希望去跟踪神经网络的整个训练过程中的信息，比如迭代的过程中每一层参数是如何变化与分布的，比如每次循环参数更新后模型在测试集与训练集上的准确率是如何的，比如损失值的变化情况，等等。如果能在训练的过程中将一些信息加以记录并可视化得表现出来，是不是对我们探索模型有更深的帮助与理解呢？Tensorflow官方推出了可视化工具Tensorboard，可以帮助我们实现以上功能，它可以将模型训练过程中的各种数据汇总起来存在自定义的路径与日志文件中，然后在

  3. 所属分类：其它

  1. DeepLearningToolbox：用于分析深度神经网络的工具-源码

  2. 深度学习工具箱（开发阶段） 一组用于分析和可视化深度神经网络的工具。 该工具箱的最初目标是可视化网络，以解决图像分类任务。 该论文的动机是： Jason Yosinski，Jeff Clune，Anh Nguyen，Thomas Fuchs和Hod Lipson。 在2015年国际机器学习大会（ICML）的深度学习研讨会上发表。 主要设计目标是（尚未完全实现）： 模块化：可以在通用核心功能的基础上添加新工具 框架不可知性：工具箱应该能够使用不同的神经网络框架，例如TensorFlow，

  3. 所属分类：其它

  1. netscope：神经网络可视化器-源码

  2. 网络范围 一个基于Web的工具，用于可视化神经网络拓扑。 目前，它支持UC Berkeley的。 文献资料 演示版 执照 根据MIT许可证发布。 所有包含的网络模型均根据各自的许可提供。

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：266kb
    • 提供者：weixin_42113552

  1. 用于设计或可视化神经网络架构的工具：用于设计或可视化神经网络体系结构的工具-源码

  2. 用于设计或可视化神经网络架构的工具：用于设计或可视化神经网络体系结构的工具

  3. 所属分类：其它

  1. MMdnn：MMdnn是一组工具，可帮助用户在不同的深度学习框架之间进行互操作。 例如模型转换和可视化。 在Caffe，Keras，MXNet，Tensorflow，CNTK，PyTorch Onnx和CoreML之间转换模型-源码

  2. MMdnn MMdnn是一个综合的跨框架工具，用于转换，可视化和诊断深度学习（DL）模型。 “ MM”代表模型管理，“ dnn”代表深度神经网络。 主要功能包括： 我们实现了一个通用转换器，可以在框架之间转换DL模型，这意味着您可以使用一个框架训练模型，然后使用另一个框架进行部署。 模型再训练 在模型转换期间，我们生成一些代码片段以简化以后的重新训练或推断。 模型搜索和可视化 我们提供了一个以帮助您找到一些流行的模型。 我们提供了一个以更直观地显示网络体系结构。 模型部署 我们提供一

  3. 所属分类：其它

  1. Vulcan：一个高级深度学习框架，可通过数据可视化，模型可解释性和性能指标方面的新增工具快速构建网络原型-源码

  2. 火神 Vulcan是Aifred Health的快速深度学习模型原型制作和分析框架。 Vulcan提供以下工具： 快速但灵活的数据预处理 快速创建模块化神经网络。 通常，我们还包括以下功能： 快照合奏 具有复杂架构的多模式网络 最先进的激活 在多台机器上训练和保存模型 模型评估 可视化的数据和网络可解释性。 通常，我们还包括： 吨位 Vulcan建立在Pytorch之上。 我们认为Pytorch很棒，因此我们建立框架的目的是促进但不妨碍对Pytorch的访问。 是否想以简单的方式做事？

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：100kb
    • 提供者：weixin_42131276

  1. flashtorch：PyTorch中用于神经网络的可视化工具包！ 演示->-源码

  2. 火炬 使用PyTorch构建的Python可视化工具包，用于PyTorch中的神经网络。 神经网络通常被称为“黑匣子”。 缺乏对神经网络如何进行预测的理解，导致无法预测/有偏见的模型，对社会造成真正的伤害，并失去了对AI辅助系统的信任。 特征可视化是一个研究领域，旨在了解神经网络如何感知图像。 但是，实施这种技术通常很复杂。 FlashTorch就是为了解决这个问题而创建的！ 您可以在模型上应用特征可视化技术（例如和），而只需几行代码。 它与预训练模型兼容，并与内置的其他自定义模型无

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：45mb
    • 提供者：weixin_42128141

  1. keras-vis：用于keras的神经网络可视化工具包-源码

  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

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：43mb
    • 提供者：weixin_42134537

  1. 天际线：:cityscape:用于PyTorch神经网络的交互式编辑器性能分析，可视化和调试-源码

  2. Skyline是与一起使用的工具，可用于分析，可视化和调试神经网络的训练性能。 注意： Skyline仍在积极开发中，应被视为Beta产品。 其用法和系统要求可能会因版本而异。 有关更多详细信息，请参见。 可以在上找到有关Skyline的更多信息，包括其文档。 安装天际线 Skyline可与在中实现的基于GPU的神经网络。 要运行Skyline，您需要： 配备NVIDIA GPU的系统 PyTorch 1.1.0以上 Python 3.6+ 使用pip和Atom软件包管理器（ apm

  3. 所属分类：其它

  1. Tensorboard可视化好帮手1

  2. 学会用Tensorflow自带的tensorboard去可视化我们所建造出来的神经网络是一个很好的学习理解方式. 用最直观的流程图告诉你你的神经网络是长怎样,有助于你发现编程中间的问题和疑问. 好，我们开始吧。这次我们会介绍如何可视化神经网络。因为很多时候我们都是做好了一个神经网络，但是没有一个图像可以展示给大家看。这一节会介绍一个TensorFlow的可视化工具 —tensorboard:)通过使用这个

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：127kb
    • 提供者：weixin_38663595

  1. Tensorflow的可视化工具Tensorboard的初步使用详解

  2. 当使用Tensorflow训练大量深层的神经网络时，我们希望去跟踪神经网络的整个训练过程中的信息，比如迭代的过程中每一层参数是如何变化与分布的，比如每次循环参数更新后模型在测试集与训练集上的准确率是如何的，比如损失值的变化情况，等等。如果能在训练的过程中将一些信息加以记录并可视化得表现出来，是不是对我们探索模型有更深的帮助与理解呢？Tensorflow官方推出了可视化工具Tensorboard，可以帮助我们实现以上功能，它可以将模型训练过程中的各种数据汇总起来存在自定义的路径与日志文件中，然后在

  3. 所属分类：其它

« 12 3 »