专栏名称: 计算机视觉研究院

主要由来自于大学的研究生组成的团队，本平台从事机器学习与深度学习领域，主要在人脸检测与识别，多目标检测研究方向。本团队想通过计算机视觉战队平台打造属于自己的品牌，让更多相关领域的人了解本团队，结识更多相关领域的朋友，一起来学习，共同进步！

深度学习训练过程可视化（附github源码）

计算机视觉研究院 · 公众号 · · 2020-05-15 18:49

正文

计算机视觉研究院专栏

作者：Edison_G

深度学习训练过程一直处于黑匣子状态，有很多同学问我具体怎么解释？其实很多还是无法可解释，但是通过可视化，具体可以知道深度学习在训练过程到底学习了哪些特征？到底对该目标的哪些特征感兴趣？这些我们现在已经有很多渠道可以得知，我先给大家介绍几个比价好的工具！

1.深度学习网络结构画图工具

地址：https://cbovar.github.io/ConvNetDraw/

2.caffe可视化工具

输入：caffe配置文件输出：网络结构

地址：http://ethereon.github.io/netscope/#/editor

3.深度学习可视化工具Visual DL

Visual DL是百度开发的，基于echar和PaddlePaddle，支持PaddlePaddle，PyTorch和MXNet等主流框架。ps：这个是我最喜欢的，毕竟echar的渲染能力不错哈哈哈，可惜不支持caffe和tensorflow。

地址：https://github.com/PaddlePaddle/VisualDL

4.结构可视化工具PlotNeuralNet

萨尔大学计算机科学专业的一个学生开发。

地址：https://github.com/HarisIqbal88/PlotNeuralNet

其实还有很多可视化工具，但是今天我要说的是，训练过程的可视化，与TF的可视化类似，但是这个操作更加简便！

这个工具到底把训练过程展示的多么详细？简单来说，项目作者已经给你做好了一个可以交互的界面，你只需要打开浏览器加载出这个界面就可以了。 CNN Explainer 使用 TensorFlow.js 加载预训练模型进行可视化效果，交互方面则使用 Svelte 作为框架并使用 D3.js 进行可视化。最终的成品即使对于完全不懂的新手来说，也没有使用门槛。下面我们来看一下具体的效果。

卷积

超参数

softmax

ReLU

MaxPool

总结

通过整个过程相比大家对过程有详细了解，如果你技术好的，你可以通过深度学习平台直接可视化训练过程，那个过程相比比这个更加详细。

✄------------------------------------------------

如果想加入我们“ 计算机视觉研究院 ”，请扫二维码加入我们。我们会按照你的需求将你拉入对应的学习群！

计算机视觉研究院 主要涉及 深度学习 领域，主要致力于 人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等 研究方向。 研究院 接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重” 研究 “。之后我们会针对相应领域分享实践过程，让大家真正体会

深度学习训练过程可视化（附github源码）

正文

请到「今天看啥」查看全文