經典卷積神經網絡（CNN）結構可視化工具

kidsamong 發布于2019-04-25 18:29 / 2362人閱讀

摘要：前言本文將介紹一種在線網絡工具，可用于可視化各種經典的卷積神經網絡結構。其實本文要介紹的工具就是基于開發的，但更像是一個工具包一樣，可以方便找到各種經典卷積神經網絡的。

前言

本文將介紹一種在線網絡工具，可用于可視化各種經典的卷積神經網絡結構。學習Caffe的同學，一定很熟悉Netscope。它就是用來可視化Caffe的prototxt文件，那么prototxt文件又是啥呢？

簡而言之，prototxt就是定義卷積神經網絡結構的文件，有點類似于YOLO的cfg文件。有"固定關鍵詞"，你可以自己定義不同的卷積網絡和激活函數等功能。

其實本文要介紹的工具就是基于Netscope開發的，但更像是一個工具包一樣，可以方便找到各種經典卷積神經網絡的prototxt。

Netscope CNN Analyzer

該在線網絡工具提供10多種經典網絡的可視化文件，如AlexNet、GoogLeNet、YOLO、ResNet系列和Inception系列等。具體如下圖所示：

本文是為了安利這個網站，所以就不對卷積神經網絡框架本身來詳細介紹了，后面會陸續推出論文詳解，敬請期待。為了精簡，這里簡單以AlexNet和Inception網絡為例來介紹。

AlexNet

這里簡單列出conv1、norm1、pool1的對應"代碼"

?1layer {

?2 ?name: "conv1"

?3 ?type: "Convolution"

?4 ?bottom: "data"

?5 ?top: "conv1"

?6 ?param {

?7 ? ?lr_mult: 1

?8 ? ?decay_mult: 1

?9 ?}

10 ?param {

11 ? ?lr_mult: 2

12 ? ?decay_mult: 0

13 ?}

14 ?convolution_param {

15 ? ?num_output: 96

16 ? ?kernel_size: 11

17 ? ?stride: 4

18 ? ?weight_filler {

19 ? ? ?type: "gaussian"

20 ? ? ?std: 0.01

21 ? ?}

22 ? ?bias_filler {

23 ? ? ?type: "constant"

24 ? ? ?value: 0

25 ? ?}

26 ?}

27}

28layer {

29 ?name: "relu1"

30 ?type: "ReLU"

31 ?bottom: "conv1"

32 ?top: "conv1"

33}

34layer {

35 ?name: "norm1"

36 ?type: "LRN"

37 ?bottom: "conv1"

38 ?top: "norm1"

39 ?lrn_param {

40 ? ?local_size: 5

41 ? ?alpha: 0.0001

42 ? ?beta: 0.75

43 ?}

44}

45layer {

46 ?name: "pool1"

47 ?type: "Pooling"

48 ?bottom: "norm1"

49 ?top: "pool1"

50 ?pooling_param {

51 ? ?pool: MAX

52 ? ?kernel_size: 3

53 ? ?stride: 2

54 ?}

55}

Inception v4

下面就是Inception v4的經典的Inception-A部分，可視化的效果相當好，很容易理解各個隱藏層之間的輸入輸出及網絡的結構。

資源鏈接：

https://dgschwend.github.io/netscope/quickstart.html

聲明：文章收集于網絡，如有侵權，請聯系小編及時處理，謝謝！

歡迎加入本站公開興趣群

商業智能與數據分析群

興趣范圍包括各種讓數據產生價值的辦法，實際應用案例分享與討論，分析工具，ETL工具，數據倉庫，數據挖掘工具，報表系統等全方位知識

QQ群：81035754

GPU云服務器云服務器經典網絡遷移工具網絡可視化工具卷積神經網絡 python卷積網絡

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。

轉載請注明本文地址：http://m.specialneedsforspecialkids.com/yun/4807.html

CNN超參數優化和可視化技巧詳解

摘要：在計算機視覺領域，對卷積神經網絡簡稱為的研究和應用都取得了顯著的成果。文章討論了在卷積神經網絡中，該如何調整超參數以及可視化卷積層。卷積神經網絡可以完成這項任務。在深度學習中，有許多不同的深度網絡結構，包括卷積神經網絡(CNN或convnet)、長短期記憶網絡(LSTM)和生成對抗網絡(GAN)等。在計算機視覺領域，對卷積神經網絡(簡稱為CNN)的研究和應用都取得了顯著的成果。CNN網絡最...

Fundebug 2019-04-25 18:17 評論0 收藏0
CNN淺析和歷年ImageNet冠軍模型解析

摘要：卷積神經網絡原理淺析卷積神經網絡，最初是為解決圖像識別等問題設計的，當然其現在的應用不僅限于圖像和視頻，也可用于時間序列信號，比如音頻信號文本數據等。卷積神經網絡的概念最早出自世紀年代科學家提出的感受野。卷積神經網絡原理淺析 ?卷積神經網絡（Convolutional?Neural?Network，CNN）最初是為解決圖像識別等問題設計的，當然其現在的應用不僅限于圖像和視頻，也可用于時間序...

edagarli 2019-04-25 18:12 評論0 收藏0
深度學習調參入門，有哪些技巧？

摘要：本文將分享一些自己關于深度學習模型調試技巧的總結思考以為主。不過以卷積神經網絡為代表的深層神經網絡一直被詬病，這對于模型在工業界的應用推廣還是帶來了一定的阻礙。作者楊軍，從事大規模機器學習系統研發及應用相關工作。本文將分享一些自己關于深度學習模型調試技巧的總結思考（以CNN為主）。最近因為一些需要，參與了一些CNN建模調參的工作，出于個人習性，我并不習慣于通過單純的trial-and-er...

Developer 2019-04-25 18:10 評論0 收藏0
從語義上理解卷積核行為，UCLA朱松純等使用決策樹量化解釋CNN

摘要：近日，加州大學洛杉磯分校的朱松純教授等人發布了一篇使用決策樹對的表征和預測進行解釋的論文。在此論文中，朱松純等研究者提出了一種新任務，也就是使用決策樹在語義層次上來量化解釋預測的邏輯。近日，加州大學洛杉磯分校的朱松純教授等人發布了一篇使用決策樹對 CNN 的表征和預測進行解釋的論文。該論文借助決策樹在語義層面上解釋 CNN 做出的每一個特定預測，即哪個卷積核（或物體部位）被用于預測最終的類...

miya 2019-04-25 18:24 評論0 收藏0