成人国产在线小视频_日韩寡妇人妻调教在线播放_色成人www永久在线观看_2018国产精品久久_亚洲欧美高清在线30p_亚洲少妇综合一区_黄色在线播放国产_亚洲另类技巧小说校园_国产主播xx日韩_a级毛片在线免费

資訊專(zhuān)欄INFORMATION COLUMN

經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)（CNN）結(jié)構(gòu)可視化工具

kidsamong / 2365人閱讀

摘要：前言本文將介紹一種在線網(wǎng)絡(luò)工具，可用于可視化各種經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。其實(shí)本文要介紹的工具就是基于開(kāi)發(fā)的，但更像是一個(gè)工具包一樣，可以方便找到各種經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)的。

前言

本文將介紹一種在線網(wǎng)絡(luò)工具，可用于可視化各種經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。學(xué)習(xí)Caffe的同學(xué)，一定很熟悉Netscope。它就是用來(lái)可視化Caffe的prototxt文件，那么prototxt文件又是啥呢？

簡(jiǎn)而言之，prototxt就是定義卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的文件，有點(diǎn)類(lèi)似于YOLO的cfg文件。有"固定關(guān)鍵詞"，你可以自己定義不同的卷積網(wǎng)絡(luò)和激活函數(shù)等功能。

其實(shí)本文要介紹的工具就是基于Netscope開(kāi)發(fā)的，但更像是一個(gè)工具包一樣，可以方便找到各種經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)的prototxt。

Netscope CNN Analyzer

該在線網(wǎng)絡(luò)工具提供10多種經(jīng)典網(wǎng)絡(luò)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(gè)網(wǎng)站，所以就不對(duì)卷積神經(jīng)網(wǎng)絡(luò)框架本身來(lái)詳細(xì)介紹了，后面會(huì)陸續(xù)推出論文詳解，敬請(qǐng)期待。為了精簡(jiǎn)，這里簡(jiǎn)單以AlexNet和Inception網(wǎng)絡(luò)為例來(lái)介紹。

AlexNet

這里簡(jiǎn)單列出conv1、norm1、pool1的對(duì)應(yīng)"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(jīng)典的Inception-A部分，可視化的效果相當(dāng)好，很容易理解各個(gè)隱藏層之間的輸入輸出及網(wǎng)絡(luò)的結(jié)構(gòu)。

資源鏈接：

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

聲明：文章收集于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系小編及時(shí)處理，謝謝！

歡迎加入本站公開(kāi)興趣群

商業(yè)智能與數(shù)據(jù)分析群

興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉(cāng)庫(kù)，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識(shí)

QQ群：81035754

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/4807.html

相關(guān)文章

  • CNN超參數(shù)優(yōu)化和可視化技巧詳解

    摘要：在計(jì)算機(jī)視覺(jué)領(lǐng)域，對(duì)卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)稱(chēng)為的研究和應(yīng)用都取得了顯著的成果。文章討論了在卷積神經(jīng)網(wǎng)絡(luò)中，該如何調(diào)整超參數(shù)以及可視化卷積層。卷積神經(jīng)網(wǎng)絡(luò)可以完成這項(xiàng)任務(wù)。 在深度學(xué)習(xí)中，有許多不同的深度網(wǎng)絡(luò)結(jié)構(gòu)，包括卷積神經(jīng)網(wǎng)絡(luò)(CNN或convnet)、長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)和生成對(duì)抗網(wǎng)絡(luò)(GAN)等。在計(jì)算機(jī)視覺(jué)領(lǐng)域，對(duì)卷積神經(jīng)網(wǎng)絡(luò)(簡(jiǎn)稱(chēng)為CNN)的研究和應(yīng)用都取得了顯著的成果。CNN網(wǎng)絡(luò)最...

    Fundebug 評(píng)論0 收藏0

  • CNN淺析和歷年ImageNet冠軍模型解析

    摘要：卷積神經(jīng)網(wǎng)絡(luò)原理淺析卷積神經(jīng)網(wǎng)絡(luò)，最初是為解決圖像識(shí)別等問(wèn)題設(shè)計(jì)的，當(dāng)然其現(xiàn)在的應(yīng)用不僅限于圖像和視頻，也可用于時(shí)間序列信號(hào)，比如音頻信號(hào)文本數(shù)據(jù)等。卷積神經(jīng)網(wǎng)絡(luò)的概念最早出自世紀(jì)年代科學(xué)家提出的感受野。 卷積神經(jīng)網(wǎng)絡(luò)原理淺析 ?卷積神經(jīng)網(wǎng)絡(luò)（Convolutional?Neural?Network，CNN）最初是為解決圖像識(shí)別等問(wèn)題設(shè)計(jì)的，當(dāng)然其現(xiàn)在的應(yīng)用不僅限于圖像和視頻，也可用于時(shí)間序...

    edagarli 評(píng)論0 收藏0

  • 深度學(xué)習(xí)調(diào)參入門(mén)，有哪些技巧？

    摘要：本文將分享一些自己關(guān)于深度學(xué)習(xí)模型調(diào)試技巧的總結(jié)思考以為主。不過(guò)以卷積神經(jīng)網(wǎng)絡(luò)為代表的深層神經(jīng)網(wǎng)絡(luò)一直被詬病，這對(duì)于模型在工業(yè)界的應(yīng)用推廣還是帶來(lái)了一定的阻礙。 作者楊軍，從事大規(guī)模機(jī)器學(xué)習(xí)系統(tǒng)研發(fā)及應(yīng)用相關(guān)工作。本文將分享一些自己關(guān)于深度學(xué)習(xí)模型調(diào)試技巧的總結(jié)思考（以CNN為主）。最近因?yàn)橐恍┬枰?，參與了一些CNN建模調(diào)參的工作，出于個(gè)人習(xí)性，我并不習(xí)慣于通過(guò)單純的trial-and-er...

    Developer 評(píng)論0 收藏0

  • 從語(yǔ)義上理解卷積核行為，UCLA朱松純等使用決策樹(shù)量化解釋CNN

    摘要：近日，加州大學(xué)洛杉磯分校的朱松純教授等人發(fā)布了一篇使用決策樹(shù)對(duì)的表征和預(yù)測(cè)進(jìn)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(wù)，也就是使用決策樹(shù)在語(yǔ)義層次上來(lái)量化解釋預(yù)測(cè)的邏輯。 近日，加州大學(xué)洛杉磯分校的朱松純教授等人發(fā)布了一篇使用決策樹(shù)對(duì) CNN 的表征和預(yù)測(cè)進(jìn)行解釋的論文。該論文借助決策樹(shù)在語(yǔ)義層面上解釋 CNN 做出的每一個(gè)特定預(yù)測(cè)，即哪個(gè)卷積核（或物體部位）被用于預(yù)測(cè)最終的類(lèi)...

    miya 評(píng)論0 收藏0

發(fā)表評(píng)論

0條評(píng)論

最新活動(dòng)
閱讀需要支付1元查看
<